.png){kind=icon}
返回
Enhanced framework embedded with data transformation and multi-objective feature selection algorithm for forecasting wind power
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-98212-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
全球对利用风力涡轮机进行发电的兴趣日益增长，强调了准确的风能预测在管理风能方面的重要性。本文提出了一种框架，该框架集成了一个数据转换机制与多目标非支配排序遗传算法III（NSGA-III），并耦合了混合深度循环网络（DRN）和长短期记忆网络（LSTM）架构用于风能建模。特征选择算法多目标NSGA-III从风能数据集中识别最优特征子集。这些选定的特征在输入混合DRN-LSTM进行风能预测之前，会经过一个数据转换过程。比较研究表明，该提案相较于现有框架具有更优越的有效性和鲁棒性，其中提案在均方误差（MSE）和均方根误差（RMSE）方面分别达到2.6593e-10和1.630e-05，而传统算法记录为8.8814e-07和9.424e-04。该研究的贡献在于其整合了数据转换机制的方法，以及在风能预测精度方面的显著提升。此外，该研究为未来研究工作提供了宝贵的见解。
Keyword:
Long short term memory
Renewable energy
Data-transformation
Deep recurrent neural network
Feature selection
Wind turbine power
期刊
IF:
3.9
论文数:
27.8W
被引数:
83.5W
机构
引用论文
Hybrid VMD-CNN-GRU-based model for short-term forecasting of wind power considering spatio-temporal features考虑时空特征的混合vmd-cnn-gru风电功率短期预测模型
PREAI
分享收藏Ultra-short-term forecasting of wind power based on multi-task learning and LSTM基于多任务学习和LSTM的风电功率超短期预测
PREAI
分享收藏Wind and solar power forecasting based on hybrid CNN-ABiLSTM, CNN-transformer-MLP models基于cnn-abilstm、cnn-transformer-MLP混合模型的风能和太阳能发电预测.png)
RENEWABLE ENERGY
RENEWABLE ENERGYIF9.1
PREAI
分享收藏分享收藏Selecting Features That Influence Vehicle Collisions in the Internet of Vehicles Based on a Multi-Objective Hybrid Bi-Directional NSGA-III基于多目标混合双向NSGA-III的网联汽车碰撞影响因素特征选择OAAI
OAAI分享收藏Long short-term memory recurrent neural network architectures for large scale acoustic modeling
PREAI
分享收藏Numerical Weather Prediction and Artificial Neural Network Coupling for Wind Energy ForecastEnergies
OAAI
EnergiesIF0
OAAI分享收藏分享收藏
查看更多内容