手机知网 App
24小时专家级知识服务
打 开
电力工业
手机知网首页
文献检索
期刊
工具书
图书
我的知网
充值中心
基于K-medoids-GBDT-PSO-LSTM组合模型的短期光伏功率预测
上海交通大学国家电投智慧能源创新学院;
中电投新疆能源化工集团哈密有限公司;
上海交通大学机械与动力工程学院
|
戴朝辉
陈昊
刘莘轶
夏长青
郭嘉毅
于立军
开通知网号
为保障电网供需平衡和安全稳定运行,提高大型光伏电站功率预测的精度,提出一种基于K中心点聚类算法(K-medoids)、梯度提升树(GBDT)和粒子群优化算法(PSO)组合优化的长短期记忆神经网络(LSTM)的光伏功率短期预测模型。首先,采用K-med...
机 构:
上海交通大学国家电投智慧能源创新学院;
中电投新疆能源化工集团哈密有限公司;
上海交通大学机械与动力工程学院;
领 域:
电力工业;
自动化技术;
关键词:
光伏发电;
功率预测;
机器学习;
长短期记忆网络;
优化算法;
粒子群算法;
格 式:
PDF原版;EPUB自适应版
(需下载客户端)
0
869
开通会员更优惠,尊享更多权益
下载PDF版
手机阅读本文
下载APP 手机查看本文
太阳能学报
2025年01期
立即查看 >
相似文献
期刊
硕士
博士
会议
报纸
加载中
更多
暂无数据
图书推荐
更多
相关工具书
更多
搜 索