期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于跳跃连接策略和TCN-BiLSTM的光伏功率预测
1
作者 王俊 欧阳福莲 周杭霞 《计算机应用与软件》 北大核心 2025年第6期119-126,185,共9页
针对光伏功率预测过程中,数据的短期非线性规律和长周期性捕获不充分的问题,提出一种基于跳跃连接策略和TCN-BiLSTM模型的光伏功率预测方法。通过灰色关联度寻找相似样本,构成当日的预测数据集;使用时间卷积网络(TCN)进行局部特征提取,... 针对光伏功率预测过程中,数据的短期非线性规律和长周期性捕获不充分的问题,提出一种基于跳跃连接策略和TCN-BiLSTM模型的光伏功率预测方法。通过灰色关联度寻找相似样本,构成当日的预测数据集;使用时间卷积网络(TCN)进行局部特征提取,以保持特征的时序性;采用跳跃连接策略的双向长短时记忆网络(BiLSTM)充分学习光伏序列的长期和短期序列模式特征,并结合注意力机制自适应地关注更重要的历史状态。通过某电站的实测数据进行实验,结果表明,该方法能有效预测光伏发电功率,且相较于通用模型,具有更小的预测误差和更高的鲁棒性。 展开更多
关键词 跳跃连接 时间卷积网络 长短期记忆 注意力机制 光伏功率预测
在线阅读 下载PDF
基于改进迁移学习和多尺度CNN-BiLSTM-Attention的短期电力负荷预测方法 被引量:58
2
作者 欧阳福莲 王俊 周杭霞 《电力系统保护与控制》 EI CSCD 北大核心 2023年第2期132-140,共9页
针对目标域负荷数据样本不足导致模型训练不充分从而预测精度不高的问题,提出一种改进的分层级迁移学习策略结合多尺度CNN-BiLSTM-Attention模型的短期电力负荷预测方法。设计串并行相叠加的多尺度CNN作为特征提取器,把提取到的特征作... 针对目标域负荷数据样本不足导致模型训练不充分从而预测精度不高的问题,提出一种改进的分层级迁移学习策略结合多尺度CNN-BiLSTM-Attention模型的短期电力负荷预测方法。设计串并行相叠加的多尺度CNN作为特征提取器,把提取到的特征作为输入传递到两层Bi LSTM结构进行进一步的学习,引入注意力机制调节捕获的信息向量权重。按照基础模型的结构划分层级,将源域数据按照拟合优度值的高低输入至模型进行分层级的迁移学习训练,保留每一层最优的训练权重,之后使用目标域数据对模型进行微调得到最终的预测模型。经实验证明,所提出的多尺度CNN-BiLSTM-Attention模型能有效提高负荷预测精度,在负荷数据样本不足时,改进的分层迁移学习策略相比于直接迁移学习能有效降低预测误差。以目标域6个月数据为例,MAPE指标降低13.31%,MAE指标降低15.16%,RMSE指标降低14.37%。 展开更多
关键词 负荷预测 卷积神经网络 双向长短期记忆网络 注意力机制 迁移学习
在线阅读 下载PDF
基于双分支特征提取的太阳辐射预测方法
3
作者 王俊 欧阳福莲 周杭霞 《计算机工程与设计》 北大核心 2023年第7期2169-2176,共8页
针对太阳辐射预测过程中气象特征复杂、时序特征难以充分利用而导致光伏功率出力扰动的问题,提出一种基于双分支特征提取的太阳辐射逐日预测方法。气象分支采用多尺度卷积神经网络提取动态变化的多维气象特征;时序分支使用双向门控循环... 针对太阳辐射预测过程中气象特征复杂、时序特征难以充分利用而导致光伏功率出力扰动的问题,提出一种基于双分支特征提取的太阳辐射逐日预测方法。气象分支采用多尺度卷积神经网络提取动态变化的多维气象特征;时序分支使用双向门控循环网络初步提取时序特征,将学习到的双向时序特征输入门控循环网络进一步学习其潜在规律;基于注意力机制自适应地赋予各分支合适的权值,优化多尺度卷积的提取操作和气象、时序特征的融合过程。经过实验验证了该预测方法的准确性和有效性。 展开更多
关键词 太阳辐射预测 双向门控循环单元 多尺度卷积 注意力机制 特征提取 特征加权 双分支
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部