基于模糊信息粒化和长短期记忆网络的短期风速预测

论文摘要

针对风速点预测无法对预测结果进行风险评估、区间预测难以满足电网精细化要求,以及现有静态预测方法难以描述风速序列长期相关性的现象,提出一种基于模糊信息粒化（Fuzzy Information Granulation,FIG）和长短期记忆（Long Short-Term Memory,LSTM）网络的动态预测模型。该方法先对风速序列进行模糊信息粒化,提取出粒化后数据的最大值（区间上界）、最小值（区间下界）和平均值。其次采用ADAM算法优化的LSTM网络对各粒化数据进行动态建模,得到能描述风速波动性的区间预测结果和点预测结果。算列表明,所提动态模型的预测效果比其它基本模型的预测效果更好。

论文目录

文章来源

类型: 期刊论文

作者: 殷豪,黄圣权,刘哲,孟安波,杨跞

关键词: 点预测,区间预测,长短记忆网络,模糊信息粒化,算法

来源: 电测与仪表 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 广东工业大学自动化学院

基金: 广东省科技计划项目(2016A010104016),广东电网公司科技项目(GDKJQQ20152066)

分类号: TM614

DOI: 10.19753/j.issn1001-1390.2019.11.017

页码: 101-107

总页数: 7

文件大小: 1895K

下载量: 512

相关论文文献

标签：点预测论文;  区间预测论文;  长短记忆网络论文;  模糊信息粒化论文;  算法论文;