期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多级特征提取的BiLSTM短期光伏出力预测
被引量：
3
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...
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。
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
结合贝叶斯优化及通道注意力的双端优化时序式风功率预测模型
被引量：
2
2
作者
荆志宇
李培强
林文婷
《电力系统及其自动化学报》
CSCD
北大核心
2024年第8期39-47,59,共10页
针对现有风功率时序预测模型数据端缺少参数优化以及模型端缺少结构优化的问题,提出一种双端优化时序式风功率预测模型。首先,利用贝叶斯优化对数据端参数进行高效搜索寻优;然后,利用通道注意力和卷积神经网络构建特征提取模块,增强模...
针对现有风功率时序预测模型数据端缺少参数优化以及模型端缺少结构优化的问题,提出一种双端优化时序式风功率预测模型。首先,利用贝叶斯优化对数据端参数进行高效搜索寻优;然后,利用通道注意力和卷积神经网络构建特征提取模块,增强模型对输入影响因素重要性的学习;最后,利用双向长短期记忆模型对先前提取的特征进行精准拟合。研究结果表明,所提出模型在各预测场景下均能很好地把握风功率变化趋势,显著提升了预测精度。
展开更多
关键词
时序式风功率预测
双端优化
贝叶斯优化
通道注意力
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：
3
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
结合贝叶斯优化及通道注意力的双端优化时序式风功率预测模型
被引量：
2
2
作者
荆志宇
李培强
林文婷
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
《电力系统及其自动化学报》
CSCD
北大核心
2024年第8期39-47,59,共10页
基金
国家自然科学基金资助项目(52377097)。
文摘
针对现有风功率时序预测模型数据端缺少参数优化以及模型端缺少结构优化的问题,提出一种双端优化时序式风功率预测模型。首先,利用贝叶斯优化对数据端参数进行高效搜索寻优;然后,利用通道注意力和卷积神经网络构建特征提取模块,增强模型对输入影响因素重要性的学习;最后,利用双向长短期记忆模型对先前提取的特征进行精准拟合。研究结果表明,所提出模型在各预测场景下均能很好地把握风功率变化趋势,显著提升了预测精度。
关键词
时序式风功率预测
双端优化
贝叶斯优化
通道注意力
Keywords
time-series wind power prediction
double-side optimization
Bayesian optimization
channel attention
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
3
在线阅读
下载PDF
职称材料
2
结合贝叶斯优化及通道注意力的双端优化时序式风功率预测模型
荆志宇
李培强
林文婷
《电力系统及其自动化学报》
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
