• 设为首页
  • 加入收藏
  • 联系邮箱
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 历任主编
    • 期刊荣誉
  • 编委会
    • 社长及主编
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
  • English
站内检索    
 
曹天行,刘三明,王致杰,刘剑,孙元存.基于集合经验模态和深浅层学习组合的风电场功率短期预测研究[J].电测与仪表,2018,55(13):84-88.
caotianxing,liusanming,wangzhijie,liujian,suanyuancun.A Hybrid Model for Wind Power Forecasting Based on EEMD and Coupling SAE-BP[J].Electrical Measurement & Instrumentation,2018,55(13):84-88.
基于集合经验模态和深浅层学习组合的风电场功率短期预测研究
A Hybrid Model for Wind Power Forecasting Based on EEMD and Coupling SAE-BP
DOI:
中文关键词:  风电功率预测  集合经验模态分解  深度学习  BP神经网络  组合预测模型
英文关键词:Wind power forecasting, Ensemble empirical mode decomposition, Deep learning, BP neural networks, Hybrid forecasting model
基金项目:国家自然科学基金项目( 重点项目)
              
作者中文名作者英文名单位
曹天行caotianxing上海电机学院
刘三明liusanming上海电机学院
王致杰wangzhijie上海电机学院
刘剑liujian上海电机学院
孙元存suanyuancun上海电机学院
摘要点击次数: 1411
中文摘要:
      风电功率的准确预测是减少风电接入电网的不良影响的必要前提。然而风电功率序列在时间上和空间上表现出非平稳性使其难以准确预测,因此提出一种基于集合经验模态分解(EEMD)和深浅层学习组合的短期风电功率组合预测方法,其中深度学习使用稀疏自编码器(SAE)而浅层学习则使用BP神经网络,从而建立EEMD-SAE-BP预测模型。该模型先用EEMD将风电功率原始序列分解为一系列按不同时间尺度分布的分量;然后针对分量中的高频分量建立SAE预测模型,对低频分量则用BP网络建立预测模型;最后将各子序列预测结果叠加得到最终的风电功率预测结果。通过比较几种预测模型的结果,本文提出的预测模型能有效地提高预测精度,有较高的实用价值。
英文摘要:
      In order to reduce the bad effects of wind power when connect to the power grid, it is necessary to predict the wind power accurately. According to the wind power of the non-linear and non-stationary characteristics, a short-term wind power combination forecasting method based on EEMD and Coupling SAE-BP is proposed. In this method, EEMD is used to decompose the wind power series into a series of relatively stable components to reduce the interaction between the characteristic information. Then, the prediction model is established by using SAE to learn the high frequency components while BP predicts the low frequency components. Finally, the prediction results of the wind power are obtained by superimposing the sequence prediction results. The prediction process and the results show that the proposed model can improve the prediction accuracy and have high utilization value.
查看全文  查看/发表评论  下载PDF阅读器
关闭
  • 哈尔滨电工仪表研究所有限公司
  • 中国电工仪器仪表信息网
  • 中国仪器仪表学会
  • 中华人民共和国新闻出版总署
  • 中国科技期刊编辑学会
  • 黑龙江省科学技术协会
  • 编辑之家
  • 中国知网
  • 万方数据库
  • 维普网
  • 北极星电力网
  • 中华中控网
  • 网站首页
  • 期刊介绍
    • 期刊简介
    • 历任主编
    • 期刊荣誉
  • 编委会
    • 社长及主编
    • 主任委员
    • 编委名单
  • 投稿指南
    • 作者须知
    • 投稿步骤
    • 范文(规范细则)
    • 稿件处理流程
    • 著作权转让协议
  • 期刊影响力
  • 开放获取
  • 出版道德政策
    • 出版伦理声明
    • 学术不端认定和处理方法
    • 广告及市场推广
    • 同行评议流程
    • 斟误和撤回
    • 回避制度
    • 文章署名及版权转让
  • 历年目次
  • 联系我们
地址:哈尔滨市松北区创新路2000号    邮编:150028
邮箱:dcyb@vip.163.com    电话:0451-86611021;87186023
© 2012 电测与仪表    哈公网监备2301003445号
黑ICP备11006624号-1
技术支持:北京勤云科技发展有限公司