Multi-source deep transfer learning with stacked denoising autoencoder and Wasserstein distance for wind power prediction in new wind farm

•Overcome the challenge of insufficient historical data in newly established wind farms.•Stacked denoising autoencoder is used to establish feature correlations between the source and target domain.•The parameters of LSTM prediction model from a source wind farm are transferred to the target farm’s...

Celý popis

Podrobná bibliografie

Vydáno v:	Measurement : journal of the International Measurement Confederation Ročník 258; s. 119225
Hlavní autoři:	Xu, Haiyan, Hao, Wenguang, Zhao, Yong, Tian, Hongda
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Ltd 30.01.2026
Témata:	Stacked denoising autoencoder Transfer learning Wasserstein distance Wind power forecasting Wasserstein distance Wind power forecasting Transfer learning Stacked denoising autoencoder
ISSN:	0263-2241
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!