基于CNN–LSTM的风电场发电功率迁移预测方法

您当前的位置：

首页 >

文章列表页 >

新型电力系统 | 更新时间：2024-03-19

- 基于CNN–LSTM的风电场发电功率迁移预测方法
- Wind Farm Power Transfer Forecasting Method Based on CNN–LSTM
- 工程科学与技术 2024年56卷第2期页码：91-99
- 作者机构：
  
  1.四川大学电气工程学院，四川成都 610065
  2.爱丁堡大学工程学院，爱丁堡 EH9 3FB
- 作者简介：
  
  [ "唐清苇（2000—），女，硕士生. 研究方向：新能源功率预测. E-mail：ttangqingwei@163.com" ]
  教授，E-mail：xiang@scu.edu.cn
- 基金信息：
  
  国家自然科学基金项目（U2166211）
- DOI：10.15961/j.jsuese.202201165
  中图分类号： TM715
- 纸质出版日期：2024-3-20，
  
  网络出版日期：2024-2-29，
  
  收稿日期：2022-10-28，
  
  修回日期：2023-5-18，
扫描看全文
唐清苇,向月,代佳琨,等.基于CNN–LSTM的风电场发电功率迁移预测方法[J].工程科学与技术,2024,56(2):91–99

Tang Qingwei,Xiang Yue,Dai Jiakun,et al.Wind farm power transfer forecasting method based on CNN–LSTM[J].Advanced Engineering Sciences,2024,56(2):91–99
唐清苇,向月,代佳琨,等.基于CNN–LSTM的风电场发电功率迁移预测方法[J].工程科学与技术,2024,56(2):91–99 DOI： 10.15961/j.jsuese.202201165.

Tang Qingwei,Xiang Yue,Dai Jiakun,et al.Wind farm power transfer forecasting method based on CNN–LSTM[J].Advanced Engineering Sciences,2024,56(2):91–99 DOI： 10.15961/j.jsuese.202201165.

更多指标>

浏览量

下载量

CNKI被引量

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于小波域ADMM深度网络的图像复原算法

基于多视图并行的可配置卷积神经网络加速器设计

基于注意力机制的数控机床热误差深度学习预测方法

基于惩罚因子的PNMS算法的人脸检测和对齐

基于非监督预训练的结构优化卷积神经网络