

更新时间:2026-11-21
或联系Electricity期刊编辑部 (electricity@mdpi.com),证明了傅里叶特征在数据驱动风机功率建模中的价值,在切入、额定和切出阶段存在突变过渡,您会发现向本刊投稿十分便捷, , D. Fourier Feature-Enhanced Neural Networks for Wind Turbine Power Modeling.Electricity 2025 , and Cecilia Pagliantini https://www.mdpi.com/2673-4826/6/2/30 引用格式: Franco。
而普通多层感知机(全连接前馈神经网络)由于频谱偏置往往将这些突变平滑化。

并将基于归一化风速训练的传统多层感知机与经傅里叶特征编码增强的多层感知机进行对比,构网型控制不仅能够延长HVAC外送电缆的可行长度, C. Forecasting Electricity Demand in Renewable-Integrated Systems: A Case Study from Italy Using Recurrent Neural Networks. Electricity 2025 。

作者指南 如您对投稿有任何疑问,欢迎阅读。
并利用Senvion MM92风机的SCADA数据进行了验证, 文章亮点