基于改进FCM-LSTM的光伏出力短期预测研究 被引量：6

1

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... 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。 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

基于天气类型聚类识别的光伏系统短期无辐照度发电预测模型研究 被引量：168

2

作者 代倩 段善旭 +3 位作者 蔡涛 陈昌松 陈正洪 邱纯 《中国电机工程学报》 EI CSCD 北大核心 2011年第34期28-35,共8页

现有光伏发电量预测模型大多以太阳辐照度作为必要的输入,然而,由于当前国内太阳辐射站点仍较稀少且预报能力较低,因此此类预报方法难于实施。利用距离分析方法分析光伏发电量与气象因素间的相关性,确定以气温和湿度作为预报输入因子,... 现有光伏发电量预测模型大多以太阳辐照度作为必要的输入,然而,由于当前国内太阳辐射站点仍较稀少且预报能力较低,因此此类预报方法难于实施。利用距离分析方法分析光伏发电量与气象因素间的相关性,确定以气温和湿度作为预报输入因子,建立反传播(back propagation,BP)神经网络的无辐照度发电量短期预报模型。此外,为适应天气突变,采用自组织特征映射(self-organizing feature map,SOM)由云量预报信息对天气类型聚类识别,继而对各天气类型采用相应的预测网络,避免了单神经网络的过拟合问题。通过与含辐照度输入及无天气聚类识别的预测模型做交叉对比实验,预测结果表明,天气类型聚类识别能显著提高预测精度,无辐照度光伏发电量短期预测模型有较高的精度和50%湿度抗扰动性。 展开更多

关键词 光伏发电量短期预测 神经网络 气象因素 自组织特征映射聚类 距离分析

在线阅读 下载PDF 职称材料

快换式公交充电站短期负荷预测方法的研究 被引量：25

3

作者 张维戈 颉飞翔 +2 位作者 黄梅 李娟 李亚芬 《电力系统保护与控制》 EI CSCD 北大核心 2013年第4期61-66,共6页

为了应对电动汽车规模化发展之后庞大的充电站负荷对电力调度配送等环节带来的影响,依据当前北京奥运快换式公交充电站的相关实测数据,对快换式公交充电站负荷特征及其影响因素进行分析,提出一种基于模糊聚类分析与BP神经网络相结合的... 为了应对电动汽车规模化发展之后庞大的充电站负荷对电力调度配送等环节带来的影响,依据当前北京奥运快换式公交充电站的相关实测数据,对快换式公交充电站负荷特征及其影响因素进行分析,提出一种基于模糊聚类分析与BP神经网络相结合的快换站短期负荷预测方法。利用该方法对四组不同的测试日进行预测实例分析,并与单一BP网络模型的预测效果进行比较。统计结果表明,基于模糊聚类分析与BP神经网络相结合的预测方法具有较高的预测精度,满足一定的应用要求,适用于快换式公交充电站短期负荷预测工作。 展开更多

关键词 电动汽车 快换式充电站 短期负荷预测 模糊聚类分析 BP神经网络

在线阅读 下载PDF 职称材料

基于组合式神经网络的短期电力负荷预测模型 被引量：59

4

作者 陈耀武 汪乐宇 龙洪玉 《中国电机工程学报》 EI CSCD 北大核心 2001年第4期79-82,共4页

通过对电力负荷变化规律和影响因素的分析 ,提出了一种基于组合式神经网络的短期电力负荷预测模型。该模型综合运用神经网络、模糊聚类分析和模式识别理论方法进行建模。首先 ,采用模糊聚类分析方法 ,以每天的 2 4点负荷数据、天气数据... 通过对电力负荷变化规律和影响因素的分析 ,提出了一种基于组合式神经网络的短期电力负荷预测模型。该模型综合运用神经网络、模糊聚类分析和模式识别理论方法进行建模。首先 ,采用模糊聚类分析方法 ,以每天的 2 4点负荷数据、天气数据以及天类别数据为指标 ,将历史数据分成若干类别 ;其次 ,对每一类别建立相应的神经网络预测模型 ;预测时通过模式识别 ,找出与预测天相符的预测类别 ,利用相应的神经网络预测模型进行 2 4小时的短期电力负荷预测。对绍兴地区 2年多的实际负荷变化数据进行预测分析的结果表明 ,该模型不仅对普通工作日有较高的预测精度 ,对双休日。 展开更多

关键词 电力系统 短期电力负荷预测模型 组合式神经网络

在线阅读 下载PDF 职称材料

模糊聚类分析和代数算法结合的短期负荷预测 被引量：9

5

作者 周虎 江岳春 +2 位作者 陈旭 黄珊 彭信淞 《电力系统及其自动化学报》 CSCD 北大核心 2011年第3期101-105,共5页

为了提高短期负荷预测速度和精度,提出了将模糊聚类分析和神经网络代数算法相结合的短期负荷预测方法。综合考虑天气、日类型、历史负荷等对未来负荷变化的影响,通过模糊聚类分析选取学习样本,找出同预测日相符的预测类别,采用神经网络... 为了提高短期负荷预测速度和精度,提出了将模糊聚类分析和神经网络代数算法相结合的短期负荷预测方法。综合考虑天气、日类型、历史负荷等对未来负荷变化的影响,通过模糊聚类分析选取学习样本,找出同预测日相符的预测类别,采用神经网络代数算法训练样本,对24小时负荷(24点)每点建立一个预测模型。该方法充分发挥了神经网络和模糊理论处理非线性问题的能力,提高了学习效能,而且克服了传统BP算法存在的缺点。算例分析结果表明该方法有较高的预测精度,取得了令人满意的结果。 展开更多

关键词 短期负荷预测 模糊聚类分析 神经网络代数算法 反向传播算法

在线阅读 下载PDF 职称材料

基于数据挖掘的FNN短期电力负荷预测方法研究 被引量：15

6

作者 崔和瑞 宋秀莉 葛曼倩 《电力系统保护与控制》 EI CSCD 北大核心 2009年第22期54-57,共4页

针对人工神经网络模型在进行负荷预测时,大多不考虑气象等因素的影响,提出了一种基于数据挖掘预处理的改进短期电力负荷预测的方法,应用数据挖掘的聚类功能,寻找与预测日同等气象类型的多个历史短期负荷数据序列进行预测,从而提高预测... 针对人工神经网络模型在进行负荷预测时,大多不考虑气象等因素的影响,提出了一种基于数据挖掘预处理的改进短期电力负荷预测的方法,应用数据挖掘的聚类功能,寻找与预测日同等气象类型的多个历史短期负荷数据序列进行预测,从而提高预测的精度。鉴于ANN模型对不确定性和模糊信息学习处理能力较差的缺点,引用模糊系统的理论,构建模糊神经网络(FNN)模型。通过实例预测和预测结果比较分析表明,提出的方法具有较高的预测精度。 展开更多

关键词 数据挖掘 聚类分析 短期电力负荷预测 人工神经网络 模糊神经网络

在线阅读 下载PDF 职称材料

基于聚类分析的人工神经网络洪水预报模型研究 被引量：11

7

作者 尹雄锐 张翔 夏军 《四川大学学报（工程科学版）》 EI CAS CSCD 北大核心 2007年第3期34-40,共7页

应用模糊C均值(FCM)和自组织映射网络(SOM)两种方法将洪水流量过程线进行分解,并聚成不同的类别,结合多层前馈神经网络(MFN)建立了两个综合神经网络模型(FCMMFN和SOMMFN),进行洪水预报。在王家厂水库流域洪水预报的应用结果表明,两种聚... 应用模糊C均值(FCM)和自组织映射网络(SOM)两种方法将洪水流量过程线进行分解,并聚成不同的类别,结合多层前馈神经网络(MFN)建立了两个综合神经网络模型(FCMMFN和SOMMFN),进行洪水预报。在王家厂水库流域洪水预报的应用结果表明,两种聚类方法能够将流量过程分解为具有不同内在规律的若干过程,两种综合神经网络模型预报精度均优于单一的多层前馈网络模型,而且FCMMFN的精度高于SOMMFN。 展开更多

关键词 模糊C均值 自组织映射网络 洪水预报 聚类分析 人工神经网络

在线阅读 下载PDF 职称材料

一种短期电力负荷预测新方法的研究与应用 被引量：4

8

作者 靳忠伟 陈康民 +1 位作者 闫伟 王桂华 《系统仿真学报》 EI CAS CSCD 北大核心 2007年第20期4790-4793,共4页

通过对电力负荷变化规律和影响因素的分析,提出了一种新的短期电力负荷预测模型。首先,鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点,采用蚁群算法中pij(t)改进模糊聚类分析;然后以每天的24点负荷数据、天气数据以及天类别数据... 通过对电力负荷变化规律和影响因素的分析,提出了一种新的短期电力负荷预测模型。首先,鉴于模糊聚类方法易陷入局部最优解及运算速度慢的缺点,采用蚁群算法中pij(t)改进模糊聚类分析;然后以每天的24点负荷数据、天气数据以及天类别数据为指标,将历史数据聚分成若干簇团,并采用动量BP神经网络针对每一簇团建立相应的预测模型。对山东地区1年的实际数据进行预测分析的结果表明,该模型不仅对普通工作日有较高的预测精度,对双休日、节假日和一些特殊情况(夏季典型日负荷)也有较好的预测精度。 展开更多

关键词 蚁群算法 模糊聚类 动量BP神经网络 负荷预测

在线阅读 下载PDF 职称材料

神经网络和模糊理论在短期负荷预测中的应用 被引量：11

9

作者 赵菁 许克明 《电力系统及其自动化学报》 CSCD 北大核心 2010年第3期129-133,共5页

为提高短期负荷预测的精度,构建一种基于自组织特征映射神经网络和模糊理论的短期负荷预测方法。预测分两个阶段,先根据自组织特征映射神经网络聚类特性,进行第一阶段的负荷预测,在学习训练时,区别于普通的无监督竞争学习采用有监督竞... 为提高短期负荷预测的精度,构建一种基于自组织特征映射神经网络和模糊理论的短期负荷预测方法。预测分两个阶段,先根据自组织特征映射神经网络聚类特性,进行第一阶段的负荷预测,在学习训练时,区别于普通的无监督竞争学习采用有监督竞争的学习方式以缩短学习时间,提高学习精度。第一阶段预测出一个基本的负荷值后,在第二阶段利用模糊理论根据前一个时段的预测误差和误差变化对其进行校正。使用该方法不仅能预测工作日负荷还能预测休息日负荷,实例分析证明了该方法的有效性。 展开更多

关键词 自组织特征映射 神经网络 有监督竞争学习 模糊理论 短期负荷预测

在线阅读 下载PDF 职称材料

基于模糊聚类的神经网络短期负荷预测方法 被引量：33

10

作者 姜勇 《电网技术》 EI CSCD 北大核心 2003年第2期45-49,共5页

针对电力负荷的特点,综合考虑天气、日类型、历史负荷等对未来负荷变化的影响,提出了一种新的短期负荷预测方法。通过模糊聚类选取学习样本,采用反向传播算法,对24点每点建立一个预测模型。该方法充分发挥了神经网络和模糊理论处理非线... 针对电力负荷的特点,综合考虑天气、日类型、历史负荷等对未来负荷变化的影响,提出了一种新的短期负荷预测方法。通过模糊聚类选取学习样本,采用反向传播算法,对24点每点建立一个预测模型。该方法充分发挥了神经网络和模糊理论处理非线性问题的能力,提高了学习效能,在负荷平稳的季节和负荷波动较大的季节都具有较好的预测精度。 展开更多

关键词 电力系统 短期负荷预测 神经网络 模糊聚类 模糊理论

在线阅读 下载PDF 职称材料

基于模糊聚类和灰色关联分析结合的负荷预测 被引量：3

11

作者 尹成群 康丽峰 孙伟 《华北电力大学学报（自然科学版）》 CAS 北大核心 2006年第6期24-27,共4页

训练样本的合理选择是影响神经网络负荷预测精度的重要因素。为了选择出适量而且典型的样本,采用模糊聚类将历史负荷数据分为若干类,再利用灰色关联分析法确定各类与预测时刻负荷模式的相关度,选择关联度最大的一类,通过L-M算法对24个... 训练样本的合理选择是影响神经网络负荷预测精度的重要因素。为了选择出适量而且典型的样本,采用模糊聚类将历史负荷数据分为若干类,再利用灰色关联分析法确定各类与预测时刻负荷模式的相关度,选择关联度最大的一类,通过L-M算法对24个整点时刻分别建立BP网络预测模型,并与常用方法选择的样本训练网络得到的结果进行了对比,测试结果证明了本文所提方法的有效性。 展开更多

关键词 短期负荷预测 模糊聚类分析 灰色关联分析 神经网络

在线阅读 下载PDF 职称材料

WSN中传感器节点的弹性神经网络任务分配方法 被引量：6

12

作者 刘美 黄道平 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2010年第6期66-72,共7页

为解决WSN多目标跟踪节点任务分配的竞争冲突问题,提出一种融合了模糊聚类的多弹性子模自组织神经网络节点任务分配方法.通过模糊聚类估计目标数量,建立节点任务分配跟踪精度和能量消耗的综合性能指标,采用非全连接的环形弹性结构自组... 为解决WSN多目标跟踪节点任务分配的竞争冲突问题,提出一种融合了模糊聚类的多弹性子模自组织神经网络节点任务分配方法.通过模糊聚类估计目标数量,建立节点任务分配跟踪精度和能量消耗的综合性能指标,采用非全连接的环形弹性结构自组织神经网络优化监测联盟,用最近邻法对神经元弹性子模进行初始化,根据胜者为王原则动态调整子模的感受域,以快速锁定最优监测联盟,实现多目标的精确跟踪.实验结果表明：文中方法能有效解决多目标跟踪节点任务分配的竞争冲突问题,以及竞争冲突时的系统能耗增加与实时性问题;在随机均匀部署节点拓扑和目标直线运动模式下,文中方法的能耗较最近邻法降低了48.2%~55.9%,较未改进弹性神经网络法降低了37.4%~42.5%,且运算速度提高了19.0%~27.4%. 展开更多

关键词 无线传感器网络 多目标跟踪 任务分配 多弹性子模自组织神经网络 模糊聚类

在线阅读 下载PDF 职称材料

词聚类方法研究 被引量：2

13

作者 李昌华 《西安建筑科技大学学报（自然科学版）》 CSCD 1999年第2期152-154,共3页

讨论了几种词聚类的方法以及词聚类方法的性能准则，着重论述了模糊认知图应用于词聚类．

关键词 词聚类 模糊认识图 神经网络 检索系统 计算机

在线阅读 下载PDF 职称材料

模糊聚类网中多对一映射的实现

14

作者 黄凤岗 孙文彦 宋克欧 《哈尔滨工程大学学报》 EI CAS CSCD 1998年第2期55-61,共7页

分析了模糊聚类网实现多对一映射的两种方式：有监督和无监督，给出了实现这两种方式的网络模型：自适应模糊集成聚类网（ＩＡＦＣＭＡＰ）和二次模糊聚类网（ＤＵＡＬＦＣ）前者在有监督的学习中实现多对一的思想。

关键词 映射 模糊聚类网 网络模型

在线阅读 下载PDF 职称材料

基于模糊逻辑聚类神经网络算法的中长期负荷预测 被引量：5

15

作者 岳璐 张尧 +1 位作者 钟庆 王哲 《华北电力大学学报（自然科学版）》 CAS 北大核心 2008年第2期42-46,共5页

电力系统中长期负荷预测受大量不确定因素的影响,聚类方法能够将各种影响因素综合引入预测模型,提高了预测精度。采用一种由模糊逻辑单元组成的聚类神经网络用于中长期负荷预测。利用模糊集理论中的模糊逻辑算子y1完成网络运算,提高了... 电力系统中长期负荷预测受大量不确定因素的影响,聚类方法能够将各种影响因素综合引入预测模型,提高了预测精度。采用一种由模糊逻辑单元组成的聚类神经网络用于中长期负荷预测。利用模糊集理论中的模糊逻辑算子y1完成网络运算,提高了聚类神经网络的运算速度。虽然网络采用了竞争学习作为网络的学习算法,但是它克服了一般竞争学习算法固有的死点问题,使得历史数据的聚类分析中聚类中心初始点的选取有更大的随意性。运用文中所述模型及算法综合考虑了历史负荷情况和未来不确定因素等对未来负荷变化的影响。通过与传统的方法进行中长期负荷预测比较,结果表明该方法可以提高负荷预测的精度。 展开更多

关键词 中长期负荷预测 模糊逻辑单元 聚类神经网络 死点问题

在线阅读 下载PDF 职称材料

天气分类和BP神经网络的光伏短期出力预测 被引量：11

16

作者 蒋小波 徐小艳 +1 位作者 刘乐平 杨忠明 《电源技术》 CAS 北大核心 2020年第12期1809-1813,共5页

光伏发电系统输出功率受天气因素影响,呈现随机性、波动性和间歇性。并网时可能影响电网稳定可靠运行。对此构建一个基于天气分类和改进反向传播(BP)神经网络算法的光伏出力预测模型。模型采用地表地外辐照强度相关系数、波动系数和波... 光伏发电系统输出功率受天气因素影响,呈现随机性、波动性和间歇性。并网时可能影响电网稳定可靠运行。对此构建一个基于天气分类和改进反向传播(BP)神经网络算法的光伏出力预测模型。模型采用地表地外辐照强度相关系数、波动系数和波形熵三维特征,对33种天气类型进行量化,提取特征向量,用K-MEANS算法对特征向量进行自适应聚类,得到兼顾模型复杂度和泛化能力的4种天气类型;用遗传模拟退火(GSA)算法对BP神经网络模型的权值和阈值进行全局寻优,确保其收敛于全局最优解。依据实际光伏发电系统发电历史数据,用上述方法做出力预测,结果表明该方法预测数据与各种天气类型实际发电数据基本一致,表明该方法具有一定的推广应用价值。 展开更多

关键词 光伏发电 短期出力预测 模糊天气分类 自适应聚类 BP神经网络

在线阅读 下载PDF 职称材料

中长期负荷预测的模糊竞争学习聚类神经网络算法 被引量：1

17

作者 岳璐 张尧 《继电器》 CSCD 北大核心 2008年第8期55-58,104,共5页

电力系统中长期负荷预测受大量不确定因素的影响,聚类方法能够将各种影响因素综合引入预测模型,提高了预测精度。本文将神经网络引入到模糊聚类分析中,建立了中长期负荷预测的新方法,并且对聚类神经网络的学习算法进行了改进,利用模糊... 电力系统中长期负荷预测受大量不确定因素的影响,聚类方法能够将各种影响因素综合引入预测模型,提高了预测精度。本文将神经网络引入到模糊聚类分析中,建立了中长期负荷预测的新方法,并且对聚类神经网络的学习算法进行了改进,利用模糊竞争学习完成网络运算,弥补了网络输出结果二值性的不足,使得学习规则中权值矩阵的改变速度加快,因而算法的收敛速度有很大提高。运用文中所述模型及算法综合考虑了历史负荷情况和未来不确定因素等对未来负荷变化的影响。通过与传统方法进行中长期负荷预测比较,结果表明该方法可以提高负荷预测的精度。 展开更多

关键词 中长期负荷预测 聚类神经网络 模糊竞争学习 信息扩充法

在线阅读 下载PDF 职称材料

基于机器学习的变电站设备异常状态数据清洗 被引量：30

18

作者 孟令雯 张锐锋 +1 位作者 李鑫卓 席禹 《电力系统及其自动化学报》 CSCD 北大核心 2021年第12期79-86,共8页

为准确判断设备运行状态和充分挖掘分析数据价值,本文设计了一种基于密度聚类、无监督学习和时间循环神经网络的设备数据清洗方法。通过双重判据进行异常数据检测,针对变电站多维监测数据中参数间相关性难以确定的问题,采用无监督聚类... 为准确判断设备运行状态和充分挖掘分析数据价值,本文设计了一种基于密度聚类、无监督学习和时间循环神经网络的设备数据清洗方法。通过双重判据进行异常数据检测,针对变电站多维监测数据中参数间相关性难以确定的问题,采用无监督聚类方法对参数间相关性进行简化,得到异常点;再利用自组织特征映射神经网络挖掘符合自回归模型的历史数据的潜在特征,将在线数据随时间动态变化规律用转移概率值表示,确定异常数据类型及发生时间;然后采用时间循环神经网络将异常数据中的“脏数据”修正,并将处理后的数据入库;最后,通过实例验证了方法的可行性,表明该方法能快速检测和处理设备状态数据的各种情况,实现了变电站设备状态数据的实时监控和个性化清洗。 展开更多

关键词 数据清洗 异常检测 自组织特征映射神经网络 长短期记忆神经网络 无监督聚类

在线阅读 下载PDF 职称材料

一个基于事例推理的可视化智能映射系统

19

作者 孙中伟 蔡青 刘雄伟 《数据采集与处理》 CSCD 1999年第3期321-324,共4页

可视化映射是可视化技术的核心。本文分析了可视化映射的特点，提出了一种基于事例推理的可视化智能映射方法并建立了相应的系统结构。在集成人工神经网络与模糊认知图的基础上，详细讨论了可视化映射事例的表示、索引模式、事例的匹配... 可视化映射是可视化技术的核心。本文分析了可视化映射的特点，提出了一种基于事例推理的可视化智能映射方法并建立了相应的系统结构。在集成人工神经网络与模糊认知图的基础上，详细讨论了可视化映射事例的表示、索引模式、事例的匹配以及最佳事例的选择等关键问题。最后，通过一个应用实例叙述了系统的工作过程。 展开更多

关键词 可视化 事例推理 模糊认识图 智能映射系统

在线阅读 下载PDF 职称材料

基于新型多维功率趋势聚类的风电功率预测方法 被引量：7

20

作者 师洪涛 闫佳 +3 位作者 丁茂生 高峰 张智峰 李艺萱 《高电压技术》 EI CAS CSCD 北大核心 2022年第2期430-438,共9页

为解决传统聚类算法对风电功率序列趋势特性的挖掘与利用较少,且对不同风电场进行可调节设计不足的问题,提出了一种基于新型多维功率趋势聚类的风电功率预测方法。该方法首先提出一种多维功率趋势相似距离度量方法,其中包括风电功率序... 为解决传统聚类算法对风电功率序列趋势特性的挖掘与利用较少,且对不同风电场进行可调节设计不足的问题,提出了一种基于新型多维功率趋势聚类的风电功率预测方法。该方法首先提出一种多维功率趋势相似距离度量方法,其中包括风电功率序列波动程度、波动时间及数值维度共3个维度的度量,对风电数据中的趋势特性进行挖掘;然后,采用提出的严格系数对各个维度的参与度进行调整,以适应不同风电场数据,获得较好的聚类效果;最后,将提出的多维功率趋势距离度量与传统的模糊C均值软聚类算法及Elman神经网络群相结合,构建完整的预测模型。研究结果表明:该方法能够有效挖掘风电功率序列中的趋势特性,并提高风电功率的预测精度。 展开更多

关键词 风电功率 短期预测 趋势聚类 模糊C均值软聚类 ELMAN神经网络 分类建模

在线阅读 下载PDF 职称材料