An Effective Hybrid NARX-LSTM Model for Point and Interval PV Power Forecasting

This paper proposes an effective Photovoltaic (PV) Power Forecasting (PVPF) technique based on hierarchical learning combining Nonlinear Auto-Regressive Neural Networks with exogenous input (NARXNN) with Long Short-Term Memory (LSTM) model. First, the NARXNN model acquires the data to generate a res...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE access Ročník 9; s. 1
Hlavní autoři:	Massaoudi, Mohamed, Chihi, Ines, Sidhom, Lilia, Trabelsi, Mohamed, Refaat, Shady S., Abu-Rub, Haitham, Oueslati, Fakhreddine S.
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Piscataway IEEE 01.01.2021 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Accuracy Benchmarks Computational modeling Data acquisition Data models Error correction Forecasting Long Short-Term Memory (LSTM) Mathematical models Meteorology Neural networks Nonlinear Auto-Regressive Neural Networks with exogenous input (NARXNN) Photovoltaic cells photovoltaic power forecasting Predictive models Regression analysis Search algorithms Tabu search Tabu Search Algorithm (TSA) Training Uncertainty
ISSN:	2169-3536, 2169-3536
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!