期刊文献+
共找到187篇文章
< 1 2 10 >
每页显示 20 50 100
基于SVM的极端天气下新能源短期功率预测修正方法
1
作者 姚旭 鲁敏 +2 位作者 胡均涛 栗凡 常喜强 《石河子大学学报(自然科学版)》 北大核心 2025年第3期288-294,共7页
基于“双碳”(碳达峰、碳中和)政策框架,以光伏、风电为核心的可再生能源在我国电网中的渗透率持续提升,并考虑到新能源出力具有明显间歇性与波动性,且功率预测的准确性直接影响消纳新能源的能力,以及极端天气使新能源短期功率预测结果... 基于“双碳”(碳达峰、碳中和)政策框架,以光伏、风电为核心的可再生能源在我国电网中的渗透率持续提升,并考虑到新能源出力具有明显间歇性与波动性,且功率预测的准确性直接影响消纳新能源的能力,以及极端天气使新能源短期功率预测结果与实际产生严重偏差,使源-荷之间产生极大不平衡,提出一种基于支持向量机的iForest-rForest-SVM算法,采用孤立森林算法实现数据清洗:首先识别并剔除突变值,其次对缺失值进行插值补全;在此基础上,通过随机森林算法构建特征加权样本子集,最后采用支持向量机根据偏差对模型进行修正。通过具体案例计算及分析,结果表明相较于传统支持向量机算法,本文提出的iForest-rForest-SVM算法将新能源短期功率预测的平均准确率提升2%,验证了该修正方法和流程的有效性,并为提高极端天气下新能源短期功率预测准确率提供了借鉴措施和建议方案。 展开更多
关键词 数据分析 新能源短期功率预测 模型修正 孤立森林算法 支持向量机算法
在线阅读 下载PDF
基于横向联邦学习的分布式光伏超短期功率预测方法
2
作者 祁鑫 杨慧彪 +3 位作者 蒙飞 李江鹏 王鑫 徐恒山 《太阳能学报》 北大核心 2025年第1期686-695,共10页
针对目前大多数分布式光伏系统无法应对其所承载用户的复杂用能行为给并网过程造成的影响,且用户数据隐私问题导致传统集中式的预测算法并不适用的问题,提出一种基于横向联邦学习的分布式光伏超短期功率预测方法,结合历史数据、光伏阵... 针对目前大多数分布式光伏系统无法应对其所承载用户的复杂用能行为给并网过程造成的影响,且用户数据隐私问题导致传统集中式的预测算法并不适用的问题,提出一种基于横向联邦学习的分布式光伏超短期功率预测方法,结合历史数据、光伏阵列的出力和用户用能行为等信息在本地站点构建基于AdaRNN的功率预测模型,利用门控循环单元提取特征参数,用于横向联邦学习网络对模型参数的聚合优化,实现了用户数据的可用不可见。通过仿真验证表明,该方法实现了用户隐私数据的保护,并有效提升了分布式光伏超短期预测功率的精度。 展开更多
关键词 分布式光伏 短期功率预测 用户隐私性 横向联邦学习 深度学习
在线阅读 下载PDF
基于DCGCN模型的海上风电场超短期功率预测 被引量:6
3
作者 黄玲玲 石孝华 +2 位作者 符杨 刘阳 应飞祥 《电力系统自动化》 EI CSCD 北大核心 2024年第15期64-72,共9页
图卷积网络(GCN)具有很强的数据关联挖掘能力,近年来在风电功率预测领域获得了广泛关注。然而,传统的基于GCN模型的超短期风电功率预测难以同时处理影响风电功率的两大核心因素(风速与机组状态信息)的双模态问题,基于此,提出了一种基于... 图卷积网络(GCN)具有很强的数据关联挖掘能力,近年来在风电功率预测领域获得了广泛关注。然而,传统的基于GCN模型的超短期风电功率预测难以同时处理影响风电功率的两大核心因素(风速与机组状态信息)的双模态问题,基于此,提出了一种基于双通道图卷积网络(DCGCN)的海上风电场超短期功率预测模型。首先,建立以理论功率曲线为基准的机组状态指标模型,定量表征机组状态变化对其发电能力的影响;其次,构建海上风电场图拓扑,建立基于风速和状态邻接矩阵的风电场各机组捕获的风速与机组状态信息的关联关系模型;最后,建立基于DCGCN的风电场超短期功率预测方法。算例结果表明,所提模型有助于提高风电场功率预测模型的训练效率和预测精度。 展开更多
关键词 短期功率预测 图卷积网络 海上风电场 功率曲线 双通道神经网络
在线阅读 下载PDF
基于DDTW聚类和SK TCN-GC BiGRU的分布式光伏短期功率预测
4
作者 段宏 郭成 +1 位作者 孙海东 王嵩岭 《智慧电力》 北大核心 2025年第4期71-80,共10页
针对分布式光伏短期功率的准确预测问题,提出了一种基于导数动态时间规整算法(DDTW)聚类和复合注意力预测网络(SK TCN-GC BiGRU)的短期光伏功率预测方法。首先,应用DDTW对历史数据进行相似日分析以构建针对性的训练集。其次,结合选择性... 针对分布式光伏短期功率的准确预测问题,提出了一种基于导数动态时间规整算法(DDTW)聚类和复合注意力预测网络(SK TCN-GC BiGRU)的短期光伏功率预测方法。首先,应用DDTW对历史数据进行相似日分析以构建针对性的训练集。其次,结合选择性内核网络(SKNet)和全局上下文模块(GC Block)优化TCN与BiGRU模型,分别增强提取多尺度特征和全局信息的能力。仿真结果验证了所提模型的优越性,尤其在气象条件数据波动较大的情况下,表现出较强的鲁棒性。 展开更多
关键词 短期光伏功率预测 时间卷积神经网络 双向门控循环单元 导数动态时间弯曲聚类
在线阅读 下载PDF
基于相似时段匹配与Transformer网络建模的分布式光伏超短期功率预测方法 被引量:3
5
作者 杨鹏伟 赵丽萍 +3 位作者 陈军法 甄钊 王飞 李利明 《中国电力》 CSCD 北大核心 2024年第12期60-70,共11页
由于缺乏气象数据,分布式光伏在天气骤变场景下预测精度不高,提出了一种基于相似时段匹配与Transformer网络建模的分布式光伏超短期功率预测方法。首先,将相似时段概念由日扩展至更灵活的时间段,并提出了一种历史功率与卫星遥感信息融... 由于缺乏气象数据,分布式光伏在天气骤变场景下预测精度不高,提出了一种基于相似时段匹配与Transformer网络建模的分布式光伏超短期功率预测方法。首先,将相似时段概念由日扩展至更灵活的时间段,并提出了一种历史功率与卫星遥感信息融合的匹配策略,旨在无须依赖气象数据的情况下,高效识别出对预测最为关键的相似功率时段。在此基础上,融合Transformer网络的强大时序建模能力,动态解析多源相似时段中的隐藏关联,深入挖掘功率关键特征信息,从而为天气骤变条件下的分布式光伏系统提供更为精确的超短期功率预测。最后,通过实际分布式光伏功率数据验证了所提方法的有效性。 展开更多
关键词 分布式光伏 相似时段 Transformer模型 短期功率预测 卫星遥感信息
在线阅读 下载PDF
基于CEEMD-LSTM光伏短期功率预测 被引量:6
6
作者 梁亚峰 马立红 +3 位作者 邱剑洪 冯在顺 何雷震 刘承锡 《科学技术与工程》 北大核心 2024年第13期5396-5405,共10页
为解决传统机器学习方法在面对多变的环境因素和不平稳序列时导致光伏功率预测精度低的问题,提出一种基于完全经验模态分解(complete ensemble empirical mode decomposition,CEEMD)和长短期记忆神经网络(long short-term memory,LSTM)... 为解决传统机器学习方法在面对多变的环境因素和不平稳序列时导致光伏功率预测精度低的问题,提出一种基于完全经验模态分解(complete ensemble empirical mode decomposition,CEEMD)和长短期记忆神经网络(long short-term memory,LSTM)相结合的光伏短期功率预测模型。首先,充分考虑影响光伏出力的太阳辐照度、相对湿度、大气压力和空气温度4种环境因素,通过CEEMD将气象因素特征曲线分解为多模态特征数据,准确捕捉其不同的时间尺度和频率特征,进而充分保留环境数据的不平稳特征。其次,在此基础上,利用LSTM网络对多模态特征数据进行时间序列建模,旨在保留时间序列的季节性和不平稳特征,为后续建模提供更准确的输入特征。最后,通过对分解后的信号开展训练,根据输入数据的变化自适应调整预测模型参数,迭代生成特定场景下的预测模型,从而灵活应对实时环境变化,得到相应功率预测结果。在海南一孤立海岛分布式光伏电站37 kW子阵的8个月气象和功率数据集进行验证,实验结果表明,所提方法在保留环境数据细节和局部特性上具有显著优势,在不同气象条件均具有良好的自适应性,有效提高了光伏短期功率预测精度。 展开更多
关键词 光伏发电 完全经验模态分解 短期记忆神经网络 光伏短期功率预测 不平稳特征 多模态特征数据
在线阅读 下载PDF
风电集群短期及超短期功率预测精度改进方法综述 被引量:95
7
作者 彭小圣 熊磊 +4 位作者 文劲宇 程时杰 邓迪元 冯双磊 王勃 《中国电机工程学报》 EI CSCD 北大核心 2016年第23期6315-6326,6596,共12页
风电集群短期及超短期功率预测是提升电网健壮性的有力手段。该文总结国内外风电集群短期与超短期功率预测技术的现状,从集群和单个风电场两个方面,归纳风电功率预测技术的分类;从预测流程、数据来源、数据流向、物理层次4个方面论述风... 风电集群短期及超短期功率预测是提升电网健壮性的有力手段。该文总结国内外风电集群短期与超短期功率预测技术的现状,从集群和单个风电场两个方面,归纳风电功率预测技术的分类;从预测流程、数据来源、数据流向、物理层次4个方面论述风电集群功率预测系统的整体框架;提出具有泛化意义的风电功率预测的物理层次结构,并从数据层、映射层、特征层、模型层、反馈层5个不同的层面讨论风电功率预测技术的精度提升方法及其发展方向,对短期、超短期风电功率预测、集群功率预测的研究具有一定参考价值。 展开更多
关键词 风电集群预测 短期功率预测 短期功率 预测物理层次 预测精度
在线阅读 下载PDF
基于提升小波-BP神经网络的光伏阵列短期功率预测 被引量:19
8
作者 丁坤 丁汉祥 +2 位作者 王越 高列 刘振飞 《可再生能源》 CAS 北大核心 2017年第4期566-571,共6页
提高光伏阵列的短期功率预测的精度,对光伏电站运营管理效率具有重要作用。文章提出了一种提升小波变换与BP神经网络相结合的直流侧功率输出预测滑移算法,对光伏阵列的超短期功率进行预测。实验结果表明,文章所提出的算法对超短期功率... 提高光伏阵列的短期功率预测的精度,对光伏电站运营管理效率具有重要作用。文章提出了一种提升小波变换与BP神经网络相结合的直流侧功率输出预测滑移算法,对光伏阵列的超短期功率进行预测。实验结果表明,文章所提出的算法对超短期功率预测具有较高的精度,适用于晴天、多云、阴雨等复杂天气条件。 展开更多
关键词 短期功率预测 小波变换 BP神经网络 直流侧功率
在线阅读 下载PDF
基于人工神经网络的风电场短期功率预测 被引量:22
9
作者 彭怀午 刘方锐 杨晓峰 《太阳能学报》 EI CAS CSCD 北大核心 2011年第8期1245-1250,共6页
基于人工神经网络法(ANN)对内蒙古某风电场短期输出功率进行了预测研究,给出了较详细的实现过程,并比较了单一ANN预测方法和基于物理方法与统计方法的混合ANN预测方法的预测精度。计算结果表明,单一ANN预测方法能快速给出预测结果,但预... 基于人工神经网络法(ANN)对内蒙古某风电场短期输出功率进行了预测研究,给出了较详细的实现过程,并比较了单一ANN预测方法和基于物理方法与统计方法的混合ANN预测方法的预测精度。计算结果表明,单一ANN预测方法能快速给出预测结果,但预测精度较低,均方根误差为10.67%;而混合ANN预测方法步骤较多且较费时,但预测精度较高,均方根误差为2.01%,不到单一ANN法的1/5。同时,针对预测过程中小于5m/s的小风速段和大于15m/s的大风速段所呈现的预测误差较小的原因进行了深入分析。 展开更多
关键词 短期功率预测 人工神经网络 混合预测
在线阅读 下载PDF
基于数据增强的分布式光伏电站群短期功率预测(一):方法框架与数据增强 被引量:37
10
作者 乔颖 孙荣富 +2 位作者 丁然 黎上强 鲁宗相 《电网技术》 EI CSCD 北大核心 2021年第5期1799-1808,共10页
目前我国的分布式光伏短期功率预测多缺乏功率与气象要素的历史实测和预报数据,难以直接复制集中式光伏的成熟技术路线,现有无辐照预测路线误差较大。本系列论文分为上下两篇阐述一种基于数据增强的分布式光伏电站群预测技术。此文为上... 目前我国的分布式光伏短期功率预测多缺乏功率与气象要素的历史实测和预报数据,难以直接复制集中式光伏的成熟技术路线,现有无辐照预测路线误差较大。本系列论文分为上下两篇阐述一种基于数据增强的分布式光伏电站群预测技术。此文为上篇,研究数据增强技术,包括基于时空相关性的缺失功率数据重构方法和基于三维神经网络的辐照预测加密模型,实现了功率数据、关键气象变量的高分辨率网格覆盖,为下篇网格化精细预测奠定了基础。仿真结果表明,相较于现有方法精度有显著提高,并适用于小样本训练。 展开更多
关键词 分布式光伏电站群 短期功率预测 数据增强 曲线重构 辐照加密
在线阅读 下载PDF
基于误差分类的分布式光伏超短期功率预测 被引量:9
11
作者 王程 雷金勇 +3 位作者 许爱东 郭晓斌 刘念 杨苹 《南方电网技术》 北大核心 2015年第4期41-46,共6页
针对分布式光伏系统,使用相关系数确定功率预测模型的样本输入,在没有天气预报,仅依靠天气数据和功率输出的历史记录信息的情况下,采用支持向量机建立了超短期功率预测模型。通过离线的权重系数寻优和基于误差分类的分类器设计,筛选出... 针对分布式光伏系统,使用相关系数确定功率预测模型的样本输入,在没有天气预报,仅依靠天气数据和功率输出的历史记录信息的情况下,采用支持向量机建立了超短期功率预测模型。通过离线的权重系数寻优和基于误差分类的分类器设计,筛选出支持向量机的训练样本,使得建立的模型能够充分反映光伏输出功率的变化规律。实验结果表明,该模型能够获得较高的预测精度,预测样本的分类能够在实际值未知的情况下根据分类结果判断预测值的可信度。 展开更多
关键词 分布式光伏 短期功率预测 支持向量机 分类器
在线阅读 下载PDF
基于数据增强的分布式光伏电站群短期功率预测(二):网格化预测 被引量:22
12
作者 乔颖 孙荣富 +2 位作者 丁然 黎上强 鲁宗相 《电网技术》 EI CSCD 北大核心 2021年第6期2210-2218,共9页
在数据增强的基础上,提出了地域全覆盖的网格化分布式光伏电站群短期功率预测方法。该方法将大区域分为小网格,基于曲线特征距离筛选全区域相似日,降低个别网格数据扭曲的影响,采用三维卷积神经网络建立网格化辐照预测到网格化光伏功率... 在数据增强的基础上,提出了地域全覆盖的网格化分布式光伏电站群短期功率预测方法。该方法将大区域分为小网格,基于曲线特征距离筛选全区域相似日,降低个别网格数据扭曲的影响,采用三维卷积神经网络建立网格化辐照预测到网格化光伏功率输出的映射关系,最后通过发电起止时刻校正进一步提高精度。仿真计算显示,所提方法相较于现有无辐照预测、单网格独立预测等方法有效提高了分布式光伏电站群功率预测的准确性和鲁棒性。 展开更多
关键词 分布式光伏电站群 短期功率预测 网格化预测 相似日
在线阅读 下载PDF
用于提升风电场短期功率预测准确率的储能系统出力控制策略 被引量:3
13
作者 李娜 白恺 +3 位作者 柳玉 王开让 巩宇 董建明 《储能科学与技术》 CAS CSCD 2018年第1期100-107,共8页
目前对于储能系统应用于平抑新能源发电的波动性、移峰填谷等场景的控制策略已有文献研究,但对于风功率预测准确率影响风电场效益的机制下储能系统应用的可行性尚未见研究。本文提出了一种以减小风电场短期功率预测偏差为目标的储能系... 目前对于储能系统应用于平抑新能源发电的波动性、移峰填谷等场景的控制策略已有文献研究,但对于风功率预测准确率影响风电场效益的机制下储能系统应用的可行性尚未见研究。本文提出了一种以减小风电场短期功率预测偏差为目标的储能系统出力控制策略,控制策略以风电场实时出力数据(秒级)为数据源,采用线性外推加以移动平均优化的方法预测下一时刻风电场出力,通过比较风电场短期功率预测值与实时预测值,计算储能系统期望出力,并根据储能系统不同SOC区间内的出力能力进行约束,输出储能系统出力指令,最后进行了仿真验证。结果表明,本文提出的储能系统出力控制策略,能够使风电场通过配置储能系统,减少短期功率预测准确度考核,对风电场的精益化运行具有指导意义。 展开更多
关键词 储能系统 风电场短期功率预测 准确率 荷电状态(SOC)
在线阅读 下载PDF
基于近邻传播聚类与LSTNet的分布式光伏电站群短期功率预测 被引量:26
14
作者 王晓霞 俞敏 +1 位作者 霍泽健 杨迪 《电力系统自动化》 EI CSCD 北大核心 2023年第6期133-141,共9页
为了应对分布式光伏渗透率不断提高带给电网运行的挑战,提出了一种基于近邻传播聚类与长短期时间序列网络(LSTNet)的区域分布式光伏电站群短期功率预测模型。首先,利用近邻传播算法划分区域内不同季节的分布式光伏电站群,并通过皮尔逊... 为了应对分布式光伏渗透率不断提高带给电网运行的挑战,提出了一种基于近邻传播聚类与长短期时间序列网络(LSTNet)的区域分布式光伏电站群短期功率预测模型。首先,利用近邻传播算法划分区域内不同季节的分布式光伏电站群,并通过皮尔逊相关系数确定光伏出力的强相关气象因子,结合双线性插值法加密对应光伏电站群的气象数据。然后,通过LSTNet挖掘光伏功率和气象因子序列的长期和短期时空依赖,并叠加自回归的线性分量,实现了群内多个光伏电站的同时预测。最后,利用美国国家能源部可再生能源实验室的实测数据集验证了所提方法的有效性。实验比较表明,所提预测模型具有较高的预测精度和鲁棒性。 展开更多
关键词 分布式光伏电站群 短期功率预测 近邻传播聚类 短期时间序列网络
在线阅读 下载PDF
基于组合神经网络的分布式光伏超短期功率预测方法 被引量:9
15
作者 杨锡运 马文兵 +3 位作者 彭琰 孟令卓超 王晨旭 马骏超 《热力发电》 CAS CSCD 北大核心 2023年第8期162-171,共10页
分布式光伏电站在电力系统中的渗透率逐年升高,为保障电网安全稳定运行,提出一种基于组合神经网络的分布式光伏超短期功率预测方法。首先利用一维卷积神经网络(1DCNN)与长短时记忆(LSTM)神经网络构建1DCNN&1DCNN-LSTM组合神经网络模... 分布式光伏电站在电力系统中的渗透率逐年升高,为保障电网安全稳定运行,提出一种基于组合神经网络的分布式光伏超短期功率预测方法。首先利用一维卷积神经网络(1DCNN)与长短时记忆(LSTM)神经网络构建1DCNN&1DCNN-LSTM组合神经网络模型,获取多位置数值天气预报(NWP)信息与历史功率信息;然后利用组合神经网络模型进行空间相关性光伏功率预测与时间序列预测,并在组合神经网络模型中加入全连接神经网络(FCNN),利用全连接神经网络对2种预测结果进行学习与权重分配,实现了分布式光伏发电功率的超短期预测。采用河北某光伏电站实测数据进行验证,验证结果表明,该方法能够有效提高分布式光伏预测精度,具有一定的实用价值。 展开更多
关键词 分布式光伏 短期功率预测 LSTM 1DCNN 深度学习
在线阅读 下载PDF
基于BP神经网络的风电场短期功率预测 被引量:1
16
作者 所丽 唐巍 《农业技术与装备》 2013年第8期4-6,共3页
风力发电具有绿色环保、资源丰富和容易开发等优势,但其间歇性和随机性的缺点对电力系统的安全、稳定运行,以及电能质量产生的影响却限制了风电的发展,而风电场功率短期预测是解决该问题的有效途径之一。负荷预测的精度与历史数据的准... 风力发电具有绿色环保、资源丰富和容易开发等优势,但其间歇性和随机性的缺点对电力系统的安全、稳定运行,以及电能质量产生的影响却限制了风电的发展,而风电场功率短期预测是解决该问题的有效途径之一。负荷预测的精度与历史数据的准确性直接相关,提出将历史数据的处理分为失真数据查找和空缺数据补全两部分来处理的思想,并将负荷预测中的回归分析应用到数据处理中,提高了历史数据的准确性。在建立BP神经网络模型时,利用SPSS中的相关性分析和经验公式,确定输入层神经元和隐层神经元的范围,经多次试验后确定BP神经网络模型,并对某风电场的短期功率进行预测。结果表明,该方法精度较高,为电力调度部门提供了很好的依据,同时也为提高电网中风电装机比例提供了一种有效的途径。 展开更多
关键词 风电场短期功率预测数据处理 回归分析BP神经网络
在线阅读 下载PDF
基于动态关联表征与图网络建模的分布式光伏超短期功率预测 被引量:20
17
作者 王玉庆 徐飞 +2 位作者 刘志坚 甄钊 王飞 《电力系统自动化》 EI CSCD 北大核心 2023年第20期72-82,共11页
现有方法忽略了分布式光伏时空关联性的动态变化,难以有效利用时空特征信息提升功率预测精度。考虑到分布式光伏出力的强波动特性与分布式光伏集群强时空关联性,提出一种基于时空关联动态表征与图卷积网络建模的分布式光伏超短期功率预... 现有方法忽略了分布式光伏时空关联性的动态变化,难以有效利用时空特征信息提升功率预测精度。考虑到分布式光伏出力的强波动特性与分布式光伏集群强时空关联性,提出一种基于时空关联动态表征与图卷积网络建模的分布式光伏超短期功率预测方法。首先,将各分布式光伏复杂出力序列分解为相对简单、波动较小的多个波动模态分量。然后,考虑到分布式光伏场站间时空关联性动态变化,利用数据驱动方式提取各类波动模态分量表征的各分布式光伏间深层次时空关联关系,并构建由各波动模态分量表征的多个动态时空图结构。在此基础上,建立考虑动态时空关联性的图卷积预测模型,针对不同模态下出力子序列分别预测,而后重构得到各场站功率进而获取区域分布式光伏总功率。最后,基于真实分布式光伏出力数据验证了所提方法的优越性。 展开更多
关键词 分布式光伏 短期功率预测 波动性 时空关联性 分解 动态关联性
在线阅读 下载PDF
考虑信息时移的分布式光伏机理-数据混合驱动短期功率预测 被引量:35
18
作者 王彪 吕洋 +3 位作者 陈中 赵奇 张梓麒 田江 《电力系统自动化》 EI CSCD 北大核心 2022年第11期67-74,共8页
分布式光伏短期功率预测缺乏同时空气象数据。传统方法直接借助邻近集中式光伏站点数据进行功率预测,忽略了地理位置偏移带来的气象信息时移,难以满足预测精度要求。文中提出了一种考虑气象信息时移的混合预测方法。在机理驱动模型中,... 分布式光伏短期功率预测缺乏同时空气象数据。传统方法直接借助邻近集中式光伏站点数据进行功率预测,忽略了地理位置偏移带来的气象信息时移,难以满足预测精度要求。文中提出了一种考虑气象信息时移的混合预测方法。在机理驱动模型中,采用最优时移对气象数据进行偏移修正;在数据驱动模型中,引入时间模式注意力机制削弱气象数据偏移的影响。然后,通过Stacking集成学习框架将两种方法进行融合,形成机理-数据混合驱动模型,进一步提高预测稳定性及准确率。基于分布式光伏和公共气象站点实际数据进行的案例分析表明,所提方法能够有效利用偏移地理位置的气象数据,实现更高精度的分布式光伏发电功率预测。 展开更多
关键词 分布式光伏 短期功率预测 特征工程 数据驱动 Stacking集成学习
在线阅读 下载PDF
基于K-means分层聚类的TCN-GRU和LSTM动态组合光伏短期功率预测 被引量:21
19
作者 吴家葆 曾国辉 +2 位作者 张振华 黄勃 刘瑾 《可再生能源》 CAS CSCD 北大核心 2023年第8期1015-1022,共8页
为了提高电网运行的稳定性和改善电网的节能调度,针对目前单一模型处于不同天气状况时,预测精度难以达到最优的状况,文章提出了一种基于K-means分层聚类的TCN-GRU和长短期记忆网络(LSTM)动态组合光伏短期功率预测。利用K-means算法进行... 为了提高电网运行的稳定性和改善电网的节能调度,针对目前单一模型处于不同天气状况时,预测精度难以达到最优的状况,文章提出了一种基于K-means分层聚类的TCN-GRU和长短期记忆网络(LSTM)动态组合光伏短期功率预测。利用K-means算法进行二次聚类,将天气类型分为晴天(A_(1))、多云(A_(2))、阴天(A_(3))、雨天(A_(4));通过时间卷积网络(TCN)提取数据的时序特征,并结合门控循环单元(GRU)建立出融合提取时序特征模块的TCN-GRU结构;TCN-GRU与LSTM神经网络动态组合后,通过弹性网络(ElasticNet)回归选择最佳输出权重得到最终预测值;基于江苏某地区的光伏发电功率数据及对应的气象数据对文章所提出的方法进行验证。在4种天气状况下,通过与其他模型预测结果进行比较,文章提出的动态组合模型预测精度更高。 展开更多
关键词 K-MEANS 光伏短期功率预测 TCN-GRU LSTM ElasticNet 动态组合预测
在线阅读 下载PDF
基于移动Ad Hoc网络的太阳能光热发电短期功率预测模型研究 被引量:4
20
作者 姜铁骝 徐志明 王刚 《汽轮机技术》 北大核心 2019年第2期151-154,共4页
为了提高太阳能光热发电短期功率预测的准确性,建立一个基于移动Ad Hoc网络的短期功率预测模型。主要介绍了Ad Hoc网络的定义、特点和太阳能的基本调查,研究了能量在移动Ad Hoc网络中的路由算法,并基于预测光热发电输出功率的模型建立了... 为了提高太阳能光热发电短期功率预测的准确性,建立一个基于移动Ad Hoc网络的短期功率预测模型。主要介绍了Ad Hoc网络的定义、特点和太阳能的基本调查,研究了能量在移动Ad Hoc网络中的路由算法,并基于预测光热发电输出功率的模型建立了Ad Hoc网络的模型结构。通过对影响光热发电准确性因素分析,结合相应的实验数据,建立了基于Ad Hoc网络的短期负荷预测模型,预测方法具有较高的精度,并且可以应用于各种各样的天气。发电的短期功率预测模型具有较高的预测精度。 展开更多
关键词 短期功率预测 光热发电 ADHOC网络 能量路由算法
在线阅读 下载PDF
上一页 1 2 10 下一页 到第
使用帮助 返回顶部