有哪些信誉好的足球投注网站- 1、本文档共8页，可阅读全部内容。
- 2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第45卷第6期太阳能学报Vol.45，No.6
2024年6月ACTAENERGIAESOLARISSINICAJun.，2024
DOI：10.19912/j.0254-0096.tynxb.2023-0146文章编号：0254-0096（2024）06-0436-08
基于AVMD-CNN-GRU-Attention的
超短期风功率预测研究
任东方，马家庆，何志琴，吴钦木
（贵州大学电气工程学院，贵阳550025）
摘要：为提高超短期风功率的预测精度，提出一种改进的基于变分模态分解的卷积神经网络（AVMD-CNN）、门控循环单元
（GRU）和注意力机制（Attention）的超短期风功率预测模型。首先利用改进的VMD将风功率序列分解为K个子模态；然后将各
子模态利用样本熵（SE）和中心频率进行分类，根据分类结果对各子模态分别给定归一化方式，并按SE值分别输入到GRU-
Attention和CNN-GRU-Attention模型中进行训练和预测；最后将各子模态预测结果叠加得到最终结果，从而完成超短期风功率
2
预测。以决定系数（R）、平均绝对误差（MAE）、均方根误差（RMSE）以及平均绝对百分比误差（MAPE）为精度评估指标，实际算
2
例表明，所提出模型的R较文中其他方法平均提高12.06%，MAE、RMSE以及MAPE分别平均降低59.36%、62.49%和48.34%，
具有较高的预测精度。
关键词：风功率；预测；变分模态分解；卷积神经网络；注意力机制；样本熵
中图分类号：TM614文献标志码：A
解效果。样本熵（sampleentropy，SE）作为反映信息复杂度的
0引言
指标，常用于对模态分解后的子模态进行处理。文献［9］提
随着传统能源的日益短缺和全球环境恶化，风能的开发出一种基于EMD、SE和高斯核函数的多步概率密度预测模
和利用越来越重要。风功率预测模型按时间尺度可分为长型，原始序列经过EMD分解和SE分类后，预测精度显著提
期、中期、短期和超短期。其中，短期和超短期预测与风电场高。门控循环单元（gatedrecurrentunit，GRU）是循环神经网
集成的发电系统的运行高度相关，高精度的预测可减少弃［10］
络（recurrentneuralnetworks，RNN）的一种变体，与长短期
［1-2］［11］
风，并有助于发电厂及时调整短期内发电计划与冷热备用。记忆网络（longshorttermmemory，LSTM）相比，GRU具有更
因此
文档评论（0）