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
2
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
考虑极端天气的新型电力系统智能化调度方法
1
作者
张勇
孙雁斌
+6 位作者
颜融
肖亮
范展滔
方必武
黎立丰
杨再敏
蒙文川
《电力科学与技术学报》
北大核心
2025年第1期163-172,共10页
随着以新能源为基础的新型电力系统建设的不断推进,近年来风电、光伏等新能源大规模密集接入系统,这虽然为实现“双碳”目标奠定了坚实的基础,但同时也导致极端天气下新型电力系统调度运行面临的挑战不断增大,其中最易出现的问题是风电...
随着以新能源为基础的新型电力系统建设的不断推进,近年来风电、光伏等新能源大规模密集接入系统,这虽然为实现“双碳”目标奠定了坚实的基础,但同时也导致极端天气下新型电力系统调度运行面临的挑战不断增大,其中最易出现的问题是风电爬坡事件概率大幅提升,不仅会造成系统频率的大幅频繁波动,还会影响电力电量平衡,严重威胁系统安全稳定运行。为此,在统计分析风电爬坡事件的基础上,提出基于深度自回归(deep auto-regressive, DeepAR)模型的风电爬坡事件的预测方法。首先,结合风机功率与风速之间的关系,分析极端天气下风电爬坡事件对电网调度运行的影响,再建立风电爬坡事件物理模型,分析发生风电爬坡事件时的风电功率统计特征;然后,结合深度自回归模型对风电爬坡事件进行功率预测,分析极端天气下的风电出力曲线;最后,结合风电场实测数据验证所提方法的有效性。验证表明:采用所提方法可提前精准定位极端天气环境下风电爬坡事件出现概率,预期将极大改善未来新型电力系统调度运行面临的不确定性。
展开更多
关键词
新型电力系统
风力发电
极端天气
风电爬坡
深度自回归模型
在线阅读
下载PDF
职称材料
时间序列预测与深度学习:文献综述与应用实例
被引量：
25
2
作者
李文
邓升
+1 位作者
段妍
杜守国
《计算机应用与软件》
北大核心
2020年第10期64-70,84,共8页
随着深度学习与时间序列传统模型的融合发展,通过利用大量可用数据在整个时间序列集合中估计全局模型的参数,使得传统的局部建模方法得到了实质性的改进。介绍近年来提出的与深度学习相结合的时间序列预测方法及三种时间序列预测模型:...
随着深度学习与时间序列传统模型的融合发展,通过利用大量可用数据在整个时间序列集合中估计全局模型的参数,使得传统的局部建模方法得到了实质性的改进。介绍近年来提出的与深度学习相结合的时间序列预测方法及三种时间序列预测模型:深度状态空间模型(DSSM),深度自回归模型(DeepAR),Transformer模型。采用GluonTS时间序列预测框架对上海市出口额数据进行预测并给出效果评估。实验结果表明,基于深度学习的时间序列预测效果明显优于传统的ARIMA模型的预测。
展开更多
关键词
时间序列预测
深度
状态空间
模型
深度自回归模型
Transformer
模型
在线阅读
下载PDF
职称材料
题名
考虑极端天气的新型电力系统智能化调度方法
1
作者
张勇
孙雁斌
颜融
肖亮
范展滔
方必武
黎立丰
杨再敏
蒙文川
机构
中国南方电网有限责任公司电力调度控制中心
南方电网能源发展研究院有限责任公司
出处
《电力科学与技术学报》
北大核心
2025年第1期163-172,共10页
基金
南方电网公司管理创新项目(000000KK52210094)。
文摘
随着以新能源为基础的新型电力系统建设的不断推进,近年来风电、光伏等新能源大规模密集接入系统,这虽然为实现“双碳”目标奠定了坚实的基础,但同时也导致极端天气下新型电力系统调度运行面临的挑战不断增大,其中最易出现的问题是风电爬坡事件概率大幅提升,不仅会造成系统频率的大幅频繁波动,还会影响电力电量平衡,严重威胁系统安全稳定运行。为此,在统计分析风电爬坡事件的基础上,提出基于深度自回归(deep auto-regressive, DeepAR)模型的风电爬坡事件的预测方法。首先,结合风机功率与风速之间的关系,分析极端天气下风电爬坡事件对电网调度运行的影响,再建立风电爬坡事件物理模型,分析发生风电爬坡事件时的风电功率统计特征;然后,结合深度自回归模型对风电爬坡事件进行功率预测,分析极端天气下的风电出力曲线;最后,结合风电场实测数据验证所提方法的有效性。验证表明:采用所提方法可提前精准定位极端天气环境下风电爬坡事件出现概率,预期将极大改善未来新型电力系统调度运行面临的不确定性。
关键词
新型电力系统
风力发电
极端天气
风电爬坡
深度自回归模型
Keywords
new power system
wind power generation
extreme climate
wind power ramp
deep autoregressive model
分类号
TM73 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
时间序列预测与深度学习:文献综述与应用实例
被引量：
25
2
作者
李文
邓升
段妍
杜守国
机构
上海对外经贸大学统计与信息学院
上海市人力资源和社会保障局信息中心
出处
《计算机应用与软件》
北大核心
2020年第10期64-70,84,共8页
基金
海关总署决策咨询研究课题(HG-YB009)
国家社会科学基金项目(17BTJ025)
上海市领军人才。
文摘
随着深度学习与时间序列传统模型的融合发展,通过利用大量可用数据在整个时间序列集合中估计全局模型的参数,使得传统的局部建模方法得到了实质性的改进。介绍近年来提出的与深度学习相结合的时间序列预测方法及三种时间序列预测模型:深度状态空间模型(DSSM),深度自回归模型(DeepAR),Transformer模型。采用GluonTS时间序列预测框架对上海市出口额数据进行预测并给出效果评估。实验结果表明,基于深度学习的时间序列预测效果明显优于传统的ARIMA模型的预测。
关键词
时间序列预测
深度
状态空间
模型
深度自回归模型
Transformer
模型
Keywords
Time series forecasting
Deep state space model
Deep autoregressive model
Transformer model
分类号
O211.61 [理学—概率论与数理统计]
TP183 [自动化与计算机技术—控制理论与控制工程]
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
考虑极端天气的新型电力系统智能化调度方法
张勇
孙雁斌
颜融
肖亮
范展滔
方必武
黎立丰
杨再敏
蒙文川
《电力科学与技术学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
时间序列预测与深度学习:文献综述与应用实例
李文
邓升
段妍
杜守国
《计算机应用与软件》
北大核心
2020
25
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
