本文主要研究内容
作者简献忠,顾洪志,王如志（2019）在《一种基于双通道CNN和LSTM的短期光伏功率预测方法》一文中研究指出：针对传统光伏功率预测特征提取不足导致预测精度不高的问题,提出一种双通道网络模型进行光伏功率预测。首先将光伏功率历史数据进行归一化处理,再将数据送入两个并行的卷积神经网络(Convolutional Neural Network, CNN)进行特征提取,经融合层融合送入长短期记忆网络(Long Short-Term Memory, LSTM)进行光伏功率预测。采用地中海气候光伏发电数据集进行测试,结果表明所提出的方法与单通道网络相比平均绝对误差(Mean-Absolute Error, MAE)减小了12.3%,均方根误差(Root-Mean-Square Error, RMSE)减小了3%,实现了更高的预测精度。
Abstract
zhen dui chuan tong guang fu gong lv yu ce te zheng di qu bu zu dao zhi yu ce jing du bu gao de wen ti ,di chu yi chong shuang tong dao wang lao mo xing jin hang guang fu gong lv yu ce 。shou xian jiang guang fu gong lv li shi shu ju jin hang gui yi hua chu li ,zai jiang shu ju song ru liang ge bing hang de juan ji shen jing wang lao (Convolutional Neural Network, CNN)jin hang te zheng di qu ,jing rong ge ceng rong ge song ru chang duan ji ji yi wang lao (Long Short-Term Memory, LSTM)jin hang guang fu gong lv yu ce 。cai yong de zhong hai qi hou guang fu fa dian shu ju ji jin hang ce shi ,jie guo biao ming suo di chu de fang fa yu chan tong dao wang lao xiang bi ping jun jue dui wu cha (Mean-Absolute Error, MAE)jian xiao le 12.3%,jun fang gen wu cha (Root-Mean-Square Error, RMSE)jian xiao le 3%,shi xian le geng gao de yu ce jing du 。
论文参考文献
论文详细介绍
论文作者分别是来自电力科学与工程的简献忠,顾洪志,王如志，发表于刊物电力科学与工程2019年05期论文，是一篇关于光伏功率预测论文,深度学习论文,卷积神经网络论文,电力科学与工程2019年05期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自电力科学与工程2019年05期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：光伏功率预测论文; 深度学习论文; 卷积神经网络论文; 电力科学与工程2019年05期论文;