期刊导航
期刊开放获取
cqvip
退出
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
基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测
1
作者
李丹
罗娇娇
+2 位作者
孙
光
帆
唐建
黄烽云
《三峡大学学报（自然科学版）》
CAS
北大核心
2024年第5期68-75,共8页
考虑到输入信息和预测模型的不确定性对负荷预测结果的影响,本文提出一种基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测方法.通过条件变分自编码器生成指定天气因素预测值和日历特征条件下实际天气因素可能的多个随机样...
考虑到输入信息和预测模型的不确定性对负荷预测结果的影响,本文提出一种基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测方法.通过条件变分自编码器生成指定天气因素预测值和日历特征条件下实际天气因素可能的多个随机样本,以模拟天气预测信息的不确定性;构建GRU-S2S贝叶斯神经网络学习模型参数的分布特征,以反映预测模型的不确定性,并结合MC dropout技术获得多个可能的负荷预测值;遍历天气因素全部模拟样本,将预测模型输出的负荷预测值构成集合,并通过核密度估计获得预测时段内各时刻预测负荷服从的概率分布.实际算例结果表明,该方法在短期负荷概率预测中具有更高的分位数预测精度和更可靠稳定的区间预测结果.
展开更多
关键词
负荷概率预测
门控循环单元
贝叶斯神经网络
条件变分自编码器
下载PDF
职称材料
基于CVMD-GRU-DenseNet混合模型的短期电力负荷预测
被引量：
4
2
作者
章可
李丹
+2 位作者
孙
光
帆
谭雅
贺帅
《水电能源科学》
北大核心
2023年第1期207-211,166,共6页
针对电力负荷时序变化非线性和多周期性特点,提出一种基于分解-预测-重构框架的CVMD-GRU-DenseNet短期负荷预测方法。分解阶段依据子序列间的相关熵确定VMD最佳分解数,提高负荷序列分解质量;预测阶段针对各子序列特点筛选输入特征,规律...
针对电力负荷时序变化非线性和多周期性特点,提出一种基于分解-预测-重构框架的CVMD-GRU-DenseNet短期负荷预测方法。分解阶段依据子序列间的相关熵确定VMD最佳分解数,提高负荷序列分解质量;预测阶段针对各子序列特点筛选输入特征,规律性强的低频分量采用GRU神经网络预测模型,强随机性的高频分量采用DenseNet神经网络预测模型;最后将各分量的预测结果重构为负荷预测曲线。湖北某市四季的实际负荷算例结果表明,该方法能有效提高短期负荷预测精度,并具有较强的泛化能力。
展开更多
关键词
短期负荷预测
变分模态分解
相关熵
门控循环单元
密集连接卷积网络
下载PDF
职称材料
题名
基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测
1
作者
李丹
罗娇娇
孙
光
帆
唐建
黄烽云
机构
三峡大学电气与新能源学院
国家电网铜梁供电公司
梯级水电站运行与控制湖北省重点实验室(三峡大学)
新能源微电网湖北省协同创新中心(三峡大学)
出处
《三峡大学学报（自然科学版）》
CAS
北大核心
2024年第5期68-75,共8页
基金
国家自然科学基金项目(51807109)。
文摘
考虑到输入信息和预测模型的不确定性对负荷预测结果的影响,本文提出一种基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测方法.通过条件变分自编码器生成指定天气因素预测值和日历特征条件下实际天气因素可能的多个随机样本,以模拟天气预测信息的不确定性;构建GRU-S2S贝叶斯神经网络学习模型参数的分布特征,以反映预测模型的不确定性,并结合MC dropout技术获得多个可能的负荷预测值;遍历天气因素全部模拟样本,将预测模型输出的负荷预测值构成集合,并通过核密度估计获得预测时段内各时刻预测负荷服从的概率分布.实际算例结果表明,该方法在短期负荷概率预测中具有更高的分位数预测精度和更可靠稳定的区间预测结果.
关键词
负荷概率预测
门控循环单元
贝叶斯神经网络
条件变分自编码器
Keywords
probabilistic load forecasting
gated recurrent unit
Bayesian neural network
conditional variational autoencoder
分类号
TM715 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于CVMD-GRU-DenseNet混合模型的短期电力负荷预测
被引量：
4
2
作者
章可
李丹
孙
光
帆
谭雅
贺帅
机构
三峡大学电气与新能源学院
新能源微电网湖北省协同创新中心
出处
《水电能源科学》
北大核心
2023年第1期207-211,166,共6页
基金
国家自然科学基金青年基金项目(51807109)。
文摘
针对电力负荷时序变化非线性和多周期性特点,提出一种基于分解-预测-重构框架的CVMD-GRU-DenseNet短期负荷预测方法。分解阶段依据子序列间的相关熵确定VMD最佳分解数,提高负荷序列分解质量;预测阶段针对各子序列特点筛选输入特征,规律性强的低频分量采用GRU神经网络预测模型,强随机性的高频分量采用DenseNet神经网络预测模型;最后将各分量的预测结果重构为负荷预测曲线。湖北某市四季的实际负荷算例结果表明,该方法能有效提高短期负荷预测精度,并具有较强的泛化能力。
关键词
短期负荷预测
变分模态分解
相关熵
门控循环单元
密集连接卷积网络
Keywords
short-term load forecasting
variational modal decomposition
conrrentropy
gated recurrent units
densely connected convolution networks
分类号
TM715 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于条件变分自编码器和贝叶斯神经网络的短期电力负荷概率预测
李丹
罗娇娇
孙
光
帆
唐建
黄烽云
《三峡大学学报（自然科学版）》
CAS
北大核心
2024
0
下载PDF
职称材料
2
基于CVMD-GRU-DenseNet混合模型的短期电力负荷预测
章可
李丹
孙
光
帆
谭雅
贺帅
《水电能源科学》
北大核心
2023
4
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
