基于SDAE深度学习与多重集成的风电集群短期功率预测OA北大核心CSTPCD
Short-term Power Prediction of Wind Power Cluster Based on SDAE Deep Learning and Multiple Integration
风电功率预测(wind power prediction,WPP)技术是电力系统调度与安全运行的关键性因素,为了更好地提升风电功率预测技术的精度,在集成学习的基础上提出了一种多重集成的集群短期WPP方法.所提方法包含4步:第1步,利用变分模式分解、经验模态分解和小波变换将原始风电序列分解为多个子序列;第2步,根据子序列构造多个堆叠去噪自动编码器(stacked denoising autoencoders,SDAE)进行深度学习;第3步,将第2步…查看全部>>
李聪;彭小圣;王皓怀;车建峰;王勃;刘纯
华中科技大学电气与电子工程学院强电磁工程与新技术国家重点实验室,武汉430074华中科技大学电气与电子工程学院强电磁工程与新技术国家重点实验室,武汉430074中国南方电网电力调度控制中心,广州510623中国电力科学研究院有限公司新能源与储能运行控制国家重点实验室,北京100192中国电力科学研究院有限公司新能源与储能运行控制国家重点实验室,北京100192中国电力科学研究院有限公司新能源与储能运行控制国家重点实验室,北京100192
信号分解技术深度学习集成学习风电短期预测风电集群功率预测
《高电压技术》 2022 (2)
504-512,9
国家重点研发计划(促进可再生能源消纳的风电/光伏发电功率预测技术及应用)(2018YFB0904200)中国南方电网有限责任公司科技项目(0000002020030103XT00015).
评论