基于随机森林重要性的LSTM网络风电功率缺失数据补齐OA
Data Completing of Missing Wind Power Data by LSTM Network Based on RF Importance
针对风电场实际运行中易出现的输出功率缺失问题,在分析了影响风电功率因数的基础上,构建了一个基于随机森林(RF)重要性分析的使用长短期记忆网络补齐缺失功率的模型.首先,基于RF分析得出了各项监测数据与风电功率的两个重要性指标,然后采用加权的重要性指标组成模型的输入向量,最后利用长短期记忆网络建立了风电功率补齐模型.以具体实例研究了不同的输入向量、预测方法和缺失数据类型对于补齐风电功率效果的影响,结果证明了所提方法可在不丢失有用信息的情况下,合理利用…查看全部>>
李俊卿;李秋佳;石天宇;郭晋才
华北电力大学电气与电子工程学院,河北保定071000华北电力大学电气与电子工程学院,河北保定071000华北电力大学电气与电子工程学院,河北保定071000华北电力大学电气与电子工程学院,河北保定071000
信息技术与安全科学
风电功率随机森林长短期记忆网络数据补齐
《电器与能效管理技术》 2018 (13)
47-52,58,7
河北省自然科学基金资助项目(2014502015)
评论