-
题名基于小波包分解和长短期记忆网络的短期电价预测
被引量：33
- 1
-
-
作者
刘达
雷自强
孙堃
-
机构
华北电力大学新能源电力与低碳发展研究中心
华北电力大学智慧能源研究所
华北电力大学经济与管理学院
-
出处
《智慧电力》
北大核心
2020年第4期77-83,共7页
-
基金
国家自然科学基金资助项目(71772060)。
-
文摘
在电力市场环境下,精准的短期电价预测可以保障电网优化调度和安全稳定运行,但实时电价具有非平稳性和非线性的特点,加大了预测难度。针对这一问题,提出了一种基于小波包分解(WPD)和长短期记忆(LSTM)网络的短期实时电价预测方法。将实时电价序列分解,得到最高频细节部分和低频趋势部分,剔除波动性高、无效信息多的高频细节部分,再采用LSTM网络对有效信息最多、更能体现电价序列的趋势部分进行实时电价预测。使用所提方法对美国PJM市场某地区实时电价数据进行预测实验,结果表明所提方法相比随机森林、BP神经网络、支持向量机电价预测方和传统的LSTM网络电价预测方法具有更高预测精度。
-
关键词
小波包分解
LSTM网络
短期电价预测
电力市场
-
Keywords
wavelet packet decomposition
LSTM network
short-term electricity price forecast
electricity market
-
分类号
TM473
[电气工程—电器]
-
-
题名基于CEEMD和模糊熵的随机森林风力发电功率预测
被引量：18
- 2
-
-
作者
孙堃
赵萌萌
沈美娜
刘达
陈广娟
-
机构
华北电力大学新能源电力与低碳发展研究中心
华北电力大学经济与管理学院
华北电力大学智慧能源研究所
山西电力交易中心
-
出处
《智慧电力》
北大核心
2019年第10期36-43,共8页
-
基金
高等学校学科创新引智计划资助项目(B18021)
教育部哲学社会科学重大课题攻关项目(18JZD032)~~
-
文摘
提出一种基于完备总体经验模态分解(CEEMD)和模糊熵的随机森林(RF)风力发电功率预测模型。利用CEEMD将目标序列细分为若干子序列,放大输入变量波动对最终输出结果的影响。以模糊熵值大小作为重组的评判指标,将复杂程度相近的子序列重新组合成为若干新序列。再针对不同波动属性的序列建立随机森林模型并进行模型参数优化。实证分析表明推荐模型在选取数据集中具有更好的预测能力,从而验证了该方法在风力发电功率预测领域的可行性和有效性。
-
关键词
随机森林
完备总体经验模态分解
模糊熵
风电预测
-
Keywords
random forest
CEEMD
fuzzy entropy
wind power forecasting
-
分类号
TM715
[电气工程—电力系统及自动化]
-
-
题名基于相似日和回声状态网络的光伏发电功率预测
被引量：16
- 3
-
-
作者
安鹏跃
孙堃
-
机构
华北电力大学经济与管理学院
华北电力大学新能源电力与低碳发展研究中心
-
出处
《智慧电力》
北大核心
2020年第8期38-43,共6页
-
基金
国家自然科学基金资助项目(71772060)。
-
文摘
光伏发电功率预测对提高光伏电站控制、调度性能以及保证电网的安全稳定运行具有重要意义。提出一种基于相似日和回声状态网络(ESN)的光伏发电功率预测模型。首先运用相关性分析法对光伏发电功率的影响因素进行了深入分析,并筛选出其主要影响因素;再利用主要影响因素的历史气象信息建立气象特征向量,通过计算灰色关联度(GRA)寻找合适的相似日;最后运用ESN创建预测模型,利用相似日历史数据训练ESN,而后对预测日的输出功率进行逐时预测。算例表明,对比传统模型,GRA-ESN模型具有更高的预测精度和更好的可行性。
-
关键词
光伏功率预测
相似日
灰色关联分析
回声状态网络
-
Keywords
photovoltaic power prediction
similar day
grey correlation analysis
echo state network
-
分类号
TM473
[电气工程—电器]
-
