考虑PCA-LSTM的风电机组输出功率预测研究

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：为在风电机组多源异构SCADA大数据中挖掘有效信息,保证短期功率预测精度,针对数据在时间维度上的记忆特征,提出主成分分析(PCA)与长短期记忆神经网络(Long Short-Term Memory Neural Network,LSTM)相结合的短期功率预测模型.运用Pearson相关系数将海量的负荷数据、气象数据等相关数据进行初步提取,运用PCA技术降低数据维度,再将压缩后的数据输入LSTM网络进行短期负荷预测.实验结果表明,所提的方法比经典的时序预测方法如Arima、SVM等具有更高的精度,具有更稳定的预测结果.

外文标题：Study on Prediction of Wind Turbine Output Power Considering PCA-LSTM

作者：

李明、袁逸萍、贾依达尔、赵琴

展开 >

作者单位：

新疆大学机械工程学院,新疆乌鲁木齐 830047

关键词：

风电机组 SCADA大数据主成分分析长短期记忆神经网络预测

基金：

项目编号：

51365054

出版年：

2022

机械设计与制造

辽宁省机械研究院

机械设计与制造

CSTPCD北大核心

影响因子：0.511

ISSN：1001-3997

年,卷(期)：2022.379(9)

被引量2
参考文献量7