基于QR-NFGLSTM与核密度估计的风电功率概率预测
Acta Energiae Solaris Sinica（2022）
摘要
为提高风电功率概率预测精度和缩短长短期记忆网络的训练时间,提出一种基于分位数回归结合新遗忘门长短期记忆(NFGLSTM)网络与核密度估计的风电功率概率预测方法.该方法对长短期记忆网络的结构改进,提出一种新的遗忘门结构,以缩短训练时间.基于分位数回归和NFGLSTM网络建立组合预测模型,得到风电功率点预测值和某一置信度下的预测区间,采用Cosine核函数的核密度估计求解预测值的概率密度函数.基于某风电场的实测数据的算例分析表明,和传统预测方法相比,该方法可缩短长短期记忆网络的训练时间,提高概率预测精度.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要