检索结果-维普期刊中文期刊服务平台

基于多级特征提取的BiLSTM短期光伏出力预测被引量：1: 1; 作者林文婷李培强 +1 位作者荆志宇钟吴君《太阳能学报》 EI CAS CSCD 北大核心 2024年第10期284-297,共14页; 传统光伏预测模型易受气象数据波动的影响,且对气象特征不敏感。由此,提出基于多级特征提取的BiLSTM短期光伏出力预测方法,用于预测不同天气类型下的光伏出力。首先,选取与光伏出力相关性较高的气象因素作为输入特征;使用模糊C均值(FCM... 展开更多; 关键词短期光伏出力预测双向长短期记忆网络卷积注意力块时间卷积网络模糊C均值聚类 Xie-Beni指标; 在线阅读下载PDF 职称材料

考虑气象因素的短期光伏出力预测的奇异谱分析方法被引量：16: 2; 作者黎静华赖昌伟《电力自动化设备》 EI CSCD 北大核心 2018年第5期50-57,76,共9页; 在传统奇异谱分析(SSA)方法的基础上,提出一种嵌入气象因素的改进SSA方法,该方法融合了SSA、相关性分析和灵敏度分析等技术,可有效提高传统SSA方法的预测精度。采用SSA技术将光伏出力时间序列分解为低频序列、高频序列和噪声序列,通过Pe... 展开更多; 关键词奇异谱分析气象因素相关性分析灵敏度分析短期光伏出力预测; 在线阅读下载PDF 职称材料

基于相似日匹配及TCN-Attention的短期光伏出力预测被引量：22: 3; 作者陈禹帆温蜜 +1 位作者张凯余珊《电测与仪表》北大核心 2022年第10期108-116,共9页; 短期光伏出力预测对电力系统生产调度计划的合理制定极其重要,有助于促进光伏发电并网和消纳。光伏出力受气象特征影响较大,其过程具有波动性、间歇性、不可控等特点,导致快速、精准地进行短期光伏出力预测成为一项挑战。对此,文章提出... 展开更多; 关键词短期光伏出力预测时序卷积网络 Attention机制形态聚类最大信息系数; 在线阅读下载PDF 职称材料

基于改进FCM-LSTM的光伏出力短期预测研究被引量：6: 4; 作者秦宇许野 +2 位作者王鑫鹏王涛李薇《太阳能学报》 EI CAS CSCD 北大核心 2024年第8期304-313,共10页; 受制于外界气象条件和设备性能损失等多方面因素的影响,光伏电站的发电功率呈现出很强的波动性和随机性,精确的光伏出力预测对光伏电站的运营管理和电网的调度运行至关重要。针对传统模糊C均值聚类算法(FCM)无法自主确定聚类数以及欧氏... 展开更多; 关键词光伏出力短期预测模糊C均值聚类自适应方法余弦距离长短期记忆神经网络; 在线阅读下载PDF 职称材料

基于机器学习的自适应光伏超短期出力预测模型被引量：69: 5; 作者高阳张碧玲 +1 位作者毛京丽刘勇《电网技术》 EI CSCD 北大核心 2015年第2期307-311,共5页; 由于当前国内对太阳辐射强度和云量信息的预报能力较低,气象数据的引入对光伏直接预测法的预测精度提高有限。为解决此问题,基于历史出力数据自身特征的挖掘来提高预测精度,提出一种具有自适应能力的光伏超短期出力预测模型。该模型首... 展开更多; 关键词自适应预测自回归和滑动平均模型神经网络小波分析超短期光伏出力预测; 在线阅读下载PDF 职称材料

一种基于IGWO-SNN的光伏出力短期预测方法被引量：19: 6; 作者董志强郑凌蔚 +2 位作者苏然武浩罗平《电力系统保护与控制》 EI CSCD 北大核心 2023年第1期131-138,共8页; 光伏出力短期预测对于电网或微电网的能量管理和优化调度具有重要意义。构建了一种基于改进灰狼学习算法(improved grey wolf optimization,IGWO)的脉冲神经网络(spiking neural network,SNN),并将其应用到光伏出力短期预测中。首先,利... 展开更多; 关键词光伏出力短期预测脉冲神经网络改进灰狼优化算法收敛因子动态权重更新策略; 在线阅读下载PDF 职称材料

基于相似日的光伏发电系统短期功率预测被引量：5: 7; 作者陈世杰任静 +3 位作者许志陈涛赵春江刘永生《实验室研究与探索》 CAS 北大核心 2020年第2期25-27,47,共4页; 针对天气条件的不稳定使得光伏发电的输出具有较强的随机性、波动性和间歇性,提出一种基于相似日-BP神经网络组合的光伏出力预测模型。从历史数据中筛选出与预测日特征最相似的历史发电功率数据和气象数据,作为预测模型的训练样本。仿... 展开更多; 关键词光伏短期出力预测神经网络模型相似日; 在线阅读下载PDF 职称材料

题名基于多级特征提取的BiLSTM短期光伏出力预测被引量：1: 1; 作者林文婷李培强荆志宇钟吴君; 机构福建理工大学电子电气与物理学院福建理工大学智能电网仿真分析与综合控制福建省高校工程研究中心湖南大学电气与信息工程学院; 出处《太阳能学报》 EI CAS CSCD 北大核心 2024年第10期284-297,共14页; 基金国家重点研发计划(2021YFB2601504)。; 文摘传统光伏预测模型易受气象数据波动的影响,且对气象特征不敏感。由此,提出基于多级特征提取的BiLSTM短期光伏出力预测方法,用于预测不同天气类型下的光伏出力。首先,选取与光伏出力相关性较高的气象因素作为输入特征;使用模糊C均值(FCM)聚类方法,对样本进行灵活划分,通过计算Xie-Beni指标以确定最佳聚类数,将历史数据集聚类为晴天、少云天、晴转多云、阴雨天和恶劣天气;其次,构建CNN-CBAM-TCN多级特征提取器(MFE):利用卷积神经网络(CNN)进行初步的特征提取,结合卷积注意力块(CBAM)抑制非重要特征,之后,利用时间卷积网络(TCN)进一步捕捉日内光伏出力的时序特征;最后,借助双向长短期记忆网络(BiLSTM)进行光伏出力预测。在实例分析中,验证了使用Xie-Beni指标确定最佳聚类数的有效性,证明了该模型较其他预测模型在复杂天气类型下具有更高预测精度。; 关键词短期光伏出力预测双向长短期记忆网络卷积注意力块时间卷积网络模糊C均值聚类 Xie-Beni指标; Keywords short term photovoltaic output prediction bi-directional short-term memory network convolutional attention blocks time convolutional network fuzzy C-means clustering Xie-Beni index; 分类号 TM615 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名考虑气象因素的短期光伏出力预测的奇异谱分析方法被引量：16: 2; 作者黎静华赖昌伟; 机构广西大学广西电力系统最优化与节能技术重点实验室; 出处《电力自动化设备》 EI CSCD 北大核心 2018年第5期50-57,76,共9页; 基金国家重点研发计划支持项目(2016YFB0900100) 国家自然科学基金资助项目(51377027)~~; 文摘在传统奇异谱分析(SSA)方法的基础上,提出一种嵌入气象因素的改进SSA方法,该方法融合了SSA、相关性分析和灵敏度分析等技术,可有效提高传统SSA方法的预测精度。采用SSA技术将光伏出力时间序列分解为低频序列、高频序列和噪声序列,通过Pearson相关系数法确定温度和辐照为影响光伏出力的主要气象因素,再对光伏出力与气象因素之间的灵敏度进行分析。根据灵敏度分析的结果和基准值分别对待预测日的低频序列和高频序列进行修正,将修正结果进行叠加得到光伏出力预测结果。将所提方法运用于某地区的光伏短期预测中,与自回归模型、BP神经网络及传统的奇异谱分析-回归方法的对比结果表明,所提方法具有更高的预测精度。; 关键词奇异谱分析气象因素相关性分析灵敏度分析短期光伏出力预测; Keywords singular spectrum analysis meteorological factor photovoltaic output prediction correlation analysis sensitivity analysis short-term; 分类号 TM615 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于相似日匹配及TCN-Attention的短期光伏出力预测被引量：22: 3; 作者陈禹帆温蜜张凯余珊; 机构上海电力大学计算机科学与技术学院; 出处《电测与仪表》北大核心 2022年第10期108-116,共9页; 基金国家自然科学基金资助项目(61872230,U1936213) 上海市2019年度“科技创新行动计划”高新技术领域项目(19511103700)。; 文摘短期光伏出力预测对电力系统生产调度计划的合理制定极其重要,有助于促进光伏发电并网和消纳。光伏出力受气象特征影响较大,其过程具有波动性、间歇性、不可控等特点,导致快速、精准地进行短期光伏出力预测成为一项挑战。对此,文章提出一种基于相似日匹配及TCN-Attention的组合预测模型。文章采用时间序列形态聚类算法和最大信息系数对光伏出力的相似性进行刻画,避免全部历史数据作为输入所产生的数据冗余,利用可并行计算的时序卷积网络学习光伏出力特征,引入Attention机制突出关键气象特征的影响,有效提高模型训练速度和预测精度。基于实际数据的实验结果表明,较之其他预测方法,文章提出的方法具有信息提取直接、训练速度快、预测精度高等优点。; 关键词短期光伏出力预测时序卷积网络 Attention机制形态聚类最大信息系数; Keywords short-term photovoltaic output forecasting temporal convolutional network Attention mechanism shape-based clustering maximal information coefficient; 分类号 TM715 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于改进FCM-LSTM的光伏出力短期预测研究被引量：6: 4; 作者秦宇许野王鑫鹏王涛李薇; 机构华北电力大学环境科学与工程学院; 出处《太阳能学报》 EI CAS CSCD 北大核心 2024年第8期304-313,共10页; 基金国家自然科学基金(62073134)。; 文摘受制于外界气象条件和设备性能损失等多方面因素的影响,光伏电站的发电功率呈现出很强的波动性和随机性,精确的光伏出力预测对光伏电站的运营管理和电网的调度运行至关重要。针对传统模糊C均值聚类算法(FCM)无法自主确定聚类数以及欧氏距离在高维数据分类上的不足,在传统FCM的基础上引入自适应因子和加入余弦距离作为样本分类指标,确定与待预测数据相似程度最高的历史样本簇集,创新性地提出一种基于改进FCM和长短期记忆(LSTM)神经网络的短期光伏出力组合预测模型。在云南某光伏电站的应用结果显示,对比其他预测模型,所提方法的历史样本分类效果更佳,发电功率预测精度更高,验证了该方法的有效性与优越性。; 关键词光伏出力短期预测模糊C均值聚类自适应方法余弦距离长短期记忆神经网络; Keywords photovoltaic output short-term prediction fuzzy C-means clustering adaptive method cosine distance long-short term memory neural network; 分类号 TM615 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于机器学习的自适应光伏超短期出力预测模型被引量：69: 5; 作者高阳张碧玲毛京丽刘勇; 机构北京邮电大学网络教育学院; 出处《电网技术》 EI CSCD 北大核心 2015年第2期307-311,共5页; 基金北京邮电大学青年科研创新计划专项(2013RC100); 文摘由于当前国内对太阳辐射强度和云量信息的预报能力较低,气象数据的引入对光伏直接预测法的预测精度提高有限。为解决此问题,基于历史出力数据自身特征的挖掘来提高预测精度,提出一种具有自适应能力的光伏超短期出力预测模型。该模型首先利用已有历史出力数据的小波分析和特征分析结果训练支持向量机(support vector machine,SVM)分类器,通过已建立的SVM分类器利用前30 min的光伏出力数据预测之后15 min的出力曲线类型,最后结合曲线类型从自回归与滑动平均模型(auto-regressive and moving average model,ARMA)和神经网络模型(artificial neural network mode,ANN)中选取出合适的方法对光伏出力进行预测。对ARMA、ANN和自适应模型进行了对比实验,结果表明:所提的自适应预测模型在均方根误差(root mean square error,RMSE)、平均绝对百分比误差(mean absolute percentage error,MAPE)和希尔不等系数(Theil inequality coefficient,TIC)上性能最好。; 关键词自适应预测自回归和滑动平均模型神经网络小波分析超短期光伏出力预测; Keywords self-adapting forecast auto-regressive andmoving average model artificial neural network model waveletanalysis very-short-term forecast for photovoltaic power; 分类号 TM721 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名一种基于IGWO-SNN的光伏出力短期预测方法被引量：19: 6; 作者董志强郑凌蔚苏然武浩罗平; 机构杭州电子科技大学自动化学院; 出处《电力系统保护与控制》 EI CSCD 北大核心 2023年第1期131-138,共8页; 基金浙江省自然科学基金项目资助(LY20E070004)。; 文摘光伏出力短期预测对于电网或微电网的能量管理和优化调度具有重要意义。构建了一种基于改进灰狼学习算法(improved grey wolf optimization,IGWO)的脉冲神经网络(spiking neural network,SNN),并将其应用到光伏出力短期预测中。首先,利用灰色关联分析法选取相似日。然后,提出一种IGWO算法用于SNN模型训练,通过引入基于三角函数规律变化的非线性下降收敛因子和动态权重更新策略,提升SNN的编码和预测的性能。最后,利用实证系统对所提方法进行了评估,并与其他3种模型进行了对比研究。结果表明,所提方法预测性能提升明显。; 关键词光伏出力短期预测脉冲神经网络改进灰狼优化算法收敛因子动态权重更新策略; Keywords short-term forecast of photovoltaic output spiking neural network improved grey wolf optimization algorithm convergence factor updating strategy of dynamic weight; 分类号 TM615 [电气工程—电力系统及自动化] TP18 [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

题名基于相似日的光伏发电系统短期功率预测被引量：5: 7; 作者陈世杰任静许志陈涛赵春江刘永生; 机构上海电力学院太阳能研究所; 出处《实验室研究与探索》 CAS 北大核心 2020年第2期25-27,47,共4页; 基金上海市科委项目(19020501000)。; 文摘针对天气条件的不稳定使得光伏发电的输出具有较强的随机性、波动性和间歇性,提出一种基于相似日-BP神经网络组合的光伏出力预测模型。从历史数据中筛选出与预测日特征最相似的历史发电功率数据和气象数据,作为预测模型的训练样本。仿真结果表明:基于相似日-BP神经网络组合的光伏出力预测方法能够明显提高光伏出力预测精度。; 关键词光伏短期出力预测神经网络模型相似日; Keywords photovoltaic short-term output prediction neural network model similar days; 分类号 TM615 [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	作者	出处	发文年	被引量	操作
1	基于多级特征提取的BiLSTM短期光伏出力预测	林文婷李培强荆志宇钟吴君	《太阳能学报》 EI CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
2	考虑气象因素的短期光伏出力预测的奇异谱分析方法	黎静华赖昌伟	《电力自动化设备》 EI CSCD 北大核心	2018	16	在线阅读下载PDF 职称材料
3	基于相似日匹配及TCN-Attention的短期光伏出力预测	陈禹帆温蜜张凯余珊	《电测与仪表》北大核心	2022	22	在线阅读下载PDF 职称材料
4	基于改进FCM-LSTM的光伏出力短期预测研究	秦宇许野王鑫鹏王涛李薇	《太阳能学报》 EI CAS CSCD 北大核心	2024	6	在线阅读下载PDF 职称材料
5	基于机器学习的自适应光伏超短期出力预测模型	高阳张碧玲毛京丽刘勇	《电网技术》 EI CSCD 北大核心	2015	69	在线阅读下载PDF 职称材料
6	一种基于IGWO-SNN的光伏出力短期预测方法	董志强郑凌蔚苏然武浩罗平	《电力系统保护与控制》 EI CSCD 北大核心	2023	19	在线阅读下载PDF 职称材料
7	基于相似日的光伏发电系统短期功率预测	陈世杰任静许志陈涛赵春江刘永生	《实验室研究与探索》 CAS 北大核心	2020	5	在线阅读下载PDF 职称材料