CN114792171B 一种基于lstm的双阶段分解风向预测方法 （浙江工业大学）_第1页
CN114792171B 一种基于lstm的双阶段分解风向预测方法 （浙江工业大学）_第2页
CN114792171B 一种基于lstm的双阶段分解风向预测方法 （浙江工业大学）_第3页
CN114792171B 一种基于lstm的双阶段分解风向预测方法 （浙江工业大学）_第4页
CN114792171B 一种基于lstm的双阶段分解风向预测方法 （浙江工业大学）_第5页
已阅读5页，还剩16页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种基于LSTM的双阶段分解2获取待分析地区的历史风向数据，进行采样并划分数据生成对原始序列数据进行第一阶段分解，将原始序列数据分解为趋势子序列、季节构建LSTM预测模型，利用分解后的趋势子序列、季节子序列和模态子序列对构建的对历史风向数据进行固定时长间隔的采样，将采样得到的所有采所述对原始序列数据进行第一阶段分解，将原始序列数据分解为趋势子所述对第一阶段分解得到的残差子序列进行第二阶段分解，采用VMD分解法进行第二将残差子序列表示为函数f(t)，将函数f(t)分解为H个模态函数u(3t构造拉格朗日函数L，通过加入二次正则化因子C和拉格朗日乘子θ(tii4[0002]随着世界能源日渐枯竭，风力发电作为一种环保可再生的新能源正在迅猛发展[0008]对第一阶段分解得到的残差子序列进行第二阶段分解，分解后得到H个模态子序5[0027]Y(t)=u'(t)*e-I"r(')t;Ψi6[0042]本申请提出的一种基于LSTM的双阶段分解风向预测方法，采用STL(Seasonal-TrenddecompositionprocedurebasedonLoess，基于局部加权回归的季节趋势分解)VMD(VariationalModeDecomposition，变分模态分解)分解法对变化规律不明显的残差数据进行固定时长间隔的采样，将采样得到的所有采样数据按照预设的数据量进行划分，7decompositionprocedurebasedonLoess，基于局部加权回归的季节趋势分解)分解方[0055]其中，Yt表示原始序列数示第k-1轮内循环结束时t时刻的趋势子序列和季节子序列，当k＝0时初始化趋势子序列[0060]用原始序列Yt减去上一轮内循环的趋势子序列r",得到去除趋势后的子序列z"),计算公式如下：[0063]对去趋势后的子序列zf")做q＝n(s)，d＝1的LOESS(locallyweighted周期的数据点和后一个周期的数据点。平滑操作后得到长度为(N+2*n(p))的周期子序列计算公式如下：8[0068]用原始序列Yt减去本轮内循环的季节子序列得到子序列计算公[0071]对去季节的子序列e")做q＝n(t)，d＝1的LOESS平滑操作，得到第k轮内循环的趋势子序列其中n(t)表示对子序列e")做LOESS平滑操作中参数q的预设值。[0080]由此得到鲁棒权值ρt，用于减少外循环对下一个内循环中季节和趋势更新的影态子序列。[0082]本实施例采用VMD(VariationalModeDecomposition，变分模态分解)分解法进[0083]解析残差子序列：将残差子序列表示为函数f(t)，可将其分解为H个模态函数u[0087]Y(t)=u'(t)*e-Ior(c)t(9)。9[0105]本实施例将训练样本进行两次分解后所得到的趋势子序列、季节子序列和H个模

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论