检索结果-维普期刊中文期刊服务平台

基于CEEMDAN-PCA-BiLSTM-LSTNet的短期风电功率组合预测模型: 1; 作者沈海波王凌梓 +2 位作者邓力源程贤良吴慧军《可再生能源》北大核心 2025年第7期902-910,共9页; 提高风电功率预测的准确性对电网的安全稳定运行具有重要意义。为此,文章提出了一种基于CEEMDAN-PCA-BiLSTM-LSTNet的短期风电功率组合预测模型。首先,采用自适应噪声集合经验模态分解(CEEMDAN)和主成分分析(PCA)方法 ,分别对原始风电... 展开更多; 关键词数值天气预报风电功率预测经验模态分解主成分分析双向长短时记忆神经网络长短期时间序列神经网络; 在线阅读下载PDF 职称材料

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：27: 2; 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... 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长短期时间序列网络; 在线阅读下载PDF 职称材料

基于LSTNet的液压爬模压力预测研究: 3; 作者严国平李仕煌 +2 位作者李京钟飞许超斌《机床与液压》北大核心 2024年第22期149-154,共6页; 液压爬模是一种用于建筑施工的设备,对其进行压力预测将有助于在桥梁建设过程中监测工作状态与提供故障预警。为了获得更加精准的压力预测结果,提出一种基于长短期时间序列网络(LSTNet)的液压爬模压力预测模型。通过Spearman相关系数法... 展开更多; 关键词深度学习液压爬模在线监测平台长短期时间序列网络(LSTNet) 压力预测; 在线阅读下载PDF 职称材料

电表数据隐私保护下的联邦学习行业电力负荷预测框架被引量：18: 4; 作者王蓓蓓朱竞 +1 位作者王嘉乐马琎劼《电力系统自动化》 EI CSCD 北大核心 2023年第13期86-93,共8页; 电力市场化改革背景下,供电公司的用电采集系统不对主动配电网运营商开放,同时,未来终端用户更倾向于将用户信息保存在本地以保护自己的隐私,主动配电网运营商需要在无读表权的条件下开展负荷预测等电力业务。为此,选择天气和时间因素... 展开更多; 关键词长短期时间序列网络负荷预测联邦学习 FedML框架隐私保护; 在线阅读下载PDF 职称材料

题名基于CEEMDAN-PCA-BiLSTM-LSTNet的短期风电功率组合预测模型: 1; 作者沈海波王凌梓邓力源程贤良吴慧军; 机构中国南方电网电力调度控制中心; 出处《可再生能源》北大核心 2025年第7期902-910,共9页; 基金国家自然科学基金项目(41875118) 国家自然科学基金青年基金项目(41805047)。; 文摘提高风电功率预测的准确性对电网的安全稳定运行具有重要意义。为此,文章提出了一种基于CEEMDAN-PCA-BiLSTM-LSTNet的短期风电功率组合预测模型。首先,采用自适应噪声集合经验模态分解(CEEMDAN)和主成分分析(PCA)方法 ,分别对原始风电功率数据和数值天气预报数据(NWP)进行分解和降维,以进行数据预处理;然后,训练双向长短时记忆网络(BiLSTM)对分解所得各分量进行预测并叠加得到初步预测结果,使用降维后提取的综合气象因子训练长短期时间序列神经网络(LSTNet)以获得数值天气预报预测结果;最后,基于信息熵理论构建误差权重矩阵,使用数值天气预报预测结果对初步预测结果进行组合加权修正。实验结果表明,采用不同原始数据类型和不同机理模型的组合预测模型能够有效捕捉风电功率的时空特征,与现有方法相比,具有更高的预测精度,验证了模型的有效性。; 关键词数值天气预报风电功率预测经验模态分解主成分分析双向长短时记忆神经网络长短期时间序列神经网络; Keywords numerical weather prediction wind power prediction CEEMDAN principal component analysis bi-directional long short-term memory neural networks long-and short-term time series network; 分类号 TM614 [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：27: 2; 作者王晓霞俞敏霍泽健杨迪; 机构华北电力大学控制与计算机系工程学院国网河北省电力有限公司营销服务中心; 出处《电力系统自动化》 EI CSCD 北大核心 2023年第6期133-141,共9页; 基金国网河北省电力有限公司科技项目(KJCB2021-003)资助。; 文摘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。; 关键词分布式光伏电站群短期功率预测近邻传播聚类长短期时间序列网络; Keywords distributed photovoltaic station cluster short-term power forecasting affinity propagation clustering long short-term time-series network(LSTNet); 分类号 TM615 [电气工程—电力系统及自动化] 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

题名基于LSTNet的液压爬模压力预测研究: 3; 作者严国平李仕煌李京钟飞许超斌; 机构湖北工业大学机械工程学院湖北工业大学湖北省现代制造质量工程重点实验室; 出处《机床与液压》北大核心 2024年第22期149-154,共6页; 基金湖北省技术创新专项任务书(重大项目)(2022BEC012) 湖北工业大学博后启动基金(XJ2022001001) +1 种基金 2024年度武汉市科技成果转化项目(2024030803010163)。; 文摘液压爬模是一种用于建筑施工的设备,对其进行压力预测将有助于在桥梁建设过程中监测工作状态与提供故障预警。为了获得更加精准的压力预测结果,提出一种基于长短期时间序列网络(LSTNet)的液压爬模压力预测模型。通过Spearman相关系数法筛选与液压爬模设备压力数据强相关的数据,减少不相关数据的干扰。利用LSTNet模型寻找液压爬模设备压力数据的长期和短期依赖,并引入线性的自适应回归层,结合神经网络的非线性部分,提高网络模型的预测精度。最后使用常泰长江大桥液压爬模项目采集的压力数据进行模型的训练,并与LSTM模型、LSTM-Attention模型和CNN-BiLSTM-Attention模型进行对比。结果表明:在液压爬模的压力预测实验中,LSTNet模型展示了良好的拟合性和预测性能,相较其他3个模型的准确率更高。此外,LSTNet模型结合了线性与非线性特征提取能力,增强了时间序列数据的建模灵活性和准确性,提升了模型的预测性能。; 关键词深度学习液压爬模在线监测平台长短期时间序列网络(LSTNet) 压力预测; Keywords deep learning hydraulic climbing formwork online monitoring platform long and short-term time-series network(LSTNet) pressure prediction; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名电表数据隐私保护下的联邦学习行业电力负荷预测框架被引量：18: 4; 作者王蓓蓓朱竞王嘉乐马琎劼; 机构东南大学电气工程学院东南大学网络空间安全学院国网江苏省电力有限公司营销部; 出处《电力系统自动化》 EI CSCD 北大核心 2023年第13期86-93,共8页; 基金教育部人文社科一般项目资助(面向多场景社会经济发展评价的电力数据价值深度挖掘方法研究,21YJAZH083)。; 文摘电力市场化改革背景下,供电公司的用电采集系统不对主动配电网运营商开放,同时,未来终端用户更倾向于将用户信息保存在本地以保护自己的隐私,主动配电网运营商需要在无读表权的条件下开展负荷预测等电力业务。为此,选择天气和时间因素作为负荷的关联因素,提出一种面向行业用户读表数据保护的联邦学习负荷预测框架。在此基础上,构建了行业用户数据集,基于长短期时间序列网络(LSTNet)建立负荷预测模型,同时利用FedML框架建立基于联邦学习的分行业负荷预测框架。算例分析表明,所述方法能使同行业的用户在不共享负荷数据的前提下进行联邦训练,在保护用户用电隐私的前提下支撑主动配电网运营商相关业务开展,具有较优的预测性能、较少的模型数量和较短的耗时。; 关键词长短期时间序列网络负荷预测联邦学习 FedML框架隐私保护; Keywords long-and short-term time-series network(LSTNet) load forecasting federated learning FedML framework privacy protection; 分类号 TM715 [电气工程—电力系统及自动化] TP181 [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	基于CEEMDAN-PCA-BiLSTM-LSTNet的短期风电功率组合预测模型	沈海波王凌梓邓力源程贤良吴慧军	《可再生能源》北大核心	2025	0	在线阅读下载PDF 职称材料
2	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	王晓霞俞敏霍泽健杨迪	《电力系统自动化》 EI CSCD 北大核心	2023	27	在线阅读下载PDF 职称材料
3	基于LSTNet的液压爬模压力预测研究	严国平李仕煌李京钟飞许超斌	《机床与液压》北大核心	2024	0	在线阅读下载PDF 职称材料
4	电表数据隐私保护下的联邦学习行业电力负荷预测框架	王蓓蓓朱竞王嘉乐马琎劼	《电力系统自动化》 EI CSCD 北大核心	2023	18	在线阅读下载PDF 职称材料