基于自适应二次分解与CNN-BiLSTM的超短期风电功率预测

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：为提高风电功率预测精度，提出基于自适应二次模态分解（QMD）、卷积神经网络（CNN）与双向长短期记忆网络（BiLSTM）的超短期风电功率预测模型。针对风电功率的波动性，利用改进的完全自适应噪声集成经验模态分解方法（ICEEMDAN）对风电功率数据进行分解。引入麻雀搜索算法（SSA）对变分模态分解（VMD）的分解数量与惩罚因子进行优化，使VMD具有自适应性。（剩余8943字）

试读结束

目录
monitor