期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于概率密度估计与时序Transformer网络的风功率日前区间预测
被引量：
5
1
作者
韩宇超
同向前
邓亚平
《中国电机工程学报》
EI
CSCD
北大核心
2024年第23期9285-9295,I0015,共12页
随着风电机组装机容量逐年攀升,风力发电已经成为电力系统重要组成部分。由于风具有间歇性的属性,风功率强烈的波动性影响着电力系统的频率稳定性。因此,准确评估风电功率波动范围对电力系统的稳定运行和调度起着重要作用。目前,区间预...
随着风电机组装机容量逐年攀升,风力发电已经成为电力系统重要组成部分。由于风具有间歇性的属性,风功率强烈的波动性影响着电力系统的频率稳定性。因此,准确评估风电功率波动范围对电力系统的稳定运行和调度起着重要作用。目前,区间预测大多采用循环神经网络及其衍生模型,这一模型架构限制了网络的深度,并且传统区间预测采用上下限预测方案,受到损失函数超参数以及初始化方式等的影响,预测精度较低且不稳定。针对这些问题,该文提出一种基于概率密度函数参数估计的区间预测方案,通过概率密度分布函数可以给出确定性以及区间预测结果;同时,提出一种时序Transformer网络,在增强局部特征提取能力的同时保留了Transformer的全局视野。通过在公开数据集中与对比模型进行对比,结果表明,该文模型不论是区间预测还是确定性预测都能提供优于基线的预测精度。
展开更多
关键词
区间预测
概率密度参数估计
时序Transformer
深度学习
在线阅读
下载PDF
职称材料
题名
基于概率密度估计与时序Transformer网络的风功率日前区间预测
被引量：
5
1
作者
韩宇超
同向前
邓亚平
机构
西安理工大学电气工程学院
出处
《中国电机工程学报》
EI
CSCD
北大核心
2024年第23期9285-9295,I0015,共12页
基金
国家自然科学基金项目(51677151,62103328)。
文摘
随着风电机组装机容量逐年攀升,风力发电已经成为电力系统重要组成部分。由于风具有间歇性的属性,风功率强烈的波动性影响着电力系统的频率稳定性。因此,准确评估风电功率波动范围对电力系统的稳定运行和调度起着重要作用。目前,区间预测大多采用循环神经网络及其衍生模型,这一模型架构限制了网络的深度,并且传统区间预测采用上下限预测方案,受到损失函数超参数以及初始化方式等的影响,预测精度较低且不稳定。针对这些问题,该文提出一种基于概率密度函数参数估计的区间预测方案,通过概率密度分布函数可以给出确定性以及区间预测结果;同时,提出一种时序Transformer网络,在增强局部特征提取能力的同时保留了Transformer的全局视野。通过在公开数据集中与对比模型进行对比,结果表明,该文模型不论是区间预测还是确定性预测都能提供优于基线的预测精度。
关键词
区间预测
概率密度参数估计
时序Transformer
深度学习
Keywords
interval prediction
estimation of probability distribution parameters
temporal Transformer
deep learning
分类号
TM92 [电气工程—电力电子与电力传动]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于概率密度估计与时序Transformer网络的风功率日前区间预测
韩宇超
同向前
邓亚平
《中国电机工程学报》
EI
CSCD
北大核心
2024
5
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
