-
题名风电输出功率预测技术研究综述
被引量：19
- 1
-
-
作者
武煜昊
王永生
徐昊
陈振
张哲
关世杰
-
机构
内蒙古工业大学数据科学与应用学院
内蒙古自治区基于大数据的软件服务工程技术研究中心
-
出处
《计算机科学与探索》
CSCD
北大核心
2022年第12期2653-2677,共25页
-
基金
内蒙古自治区自然科学基金(2021LHMS06001)
内蒙古自治区高等学校科学研究项目(NJZY21321)
内蒙古自治区科技重大专项项目(2020GG0094)。
-
文摘
风电具有的波动性、间歇性等特点对并网造成一定程度的影响,提前进行风电功率预测是解决上述问题的一个重要途径。但传感器传输、网络通信等不可控因素的存在,导致采集到用于风电功率预测的数据存在异常值和缺失值,因此在进行风电功率预测前应当进行相应的异常值检测和缺失值插补操作。为进一步促进风电数据清洗及预测技术的发展,对当前现有模型及方法进行分析与总结,并对现有技术进行划分、对比。从时序数据出发,首先,对风电预测领域的异常值检测方法的研究现状进行分类、分析与总结,对现有异常检测方法所存不足与缺陷进行概述,并对未来发展中或将成为重点的研究方向进行展望;其次,将现有的缺失值处理方法的评价指标进行描述,根据处理方式的不同将处理技术按照常规处理方法、辨别式的插补方法、生成式的插补方法及物理特性方法进行分析与总结,并对现有研究中所存问题进行分析;最后,对现有研究中的预测方法、多层级预测及自适应预测系统的研究现状进行分析总结,并对现有预测存在的挑战及未来发展方向进行了总结与展望。
-
关键词
深度学习
风电功率预测
异常值检测
缺失值插补
时间序列数据
-
Keywords
deep learning
wind power forecasting
outlier detection
missing value imputation
time series data
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进熵权法和SECEEMD的短期风电功率预测
被引量：4
- 2
-
-
作者
王永生
张哲
刘利民
高静
刘广文
武煜昊
-
机构
内蒙古工业大学数据科学与应用学院
内蒙古自治区基于大数据的软件服务工程技术研究中心
内蒙古农业大学计算机与信息学院
-
出处
《科学技术与工程》
北大核心
2023年第27期11688-11697,共10页
-
基金
内蒙古自然科学基金(2019MS03014,2021LHMS06001)
内蒙古自治区高等学校科学研究项目(NJZY21321)
+2 种基金
内蒙古水利发展基金(NSK202109)
内蒙古自治区直属高校基本科研业务费项目(JY20220304)
内蒙古自治区科技重大专项(2019ZD016)。
-
文摘
为实现短期风电功率的高精度预测,综合考虑风电功率数据波动性以及多维气象数据对风电功率预测的影响,提出了一种基于改进熵权法和样本熵-互补集合经验模态分解(sample entropy complementary ensemble empirical mode decomposition,SECEEMD)的短期风电功率组合预测方法。首先,提出了一种综合相关性分析模型,结合多种特征选择方法对多维气象特征实现综合评价,准确筛选与风电功率相关性较高的气象特征,提高预测精度。其次,针对CEEMD存在的分解分量过多,模态混叠程度加剧的问题,提出了SECEEMD分解算法,在降低分量数量,降低模态混叠程度的同时,提高模型的训练速度。然后,分别建立数值气象预报-长短期记忆网络(numerical weather prediction-long short term memory,NWP-LSTM)和SECEEMD-BP(back propogation)预测模型,并通过贝叶斯优化算法优化长短期记忆神经网络和BP神经网络结构;最后,通过改进熵权法寻找到最优权重组合进行加权组合。实验以内蒙古碧柳河风电场的风电功率数据和气象数据为实验数据,经验证,本文所提预测模型,能较大程度提高预测精度,相较于一般预测模型,R2分别提高了4%和0.6%,平均绝对误差(mean absolute error,MAE)分别降低了44%和1.1%,证明本文所提风电功率预测方法具有更高的预测精度和更快的训练速度,更加适合进行风电功率预测。
-
关键词
风电功率预测
信号分解
相关性分析
贝叶斯优化算法
-
Keywords
wind power prediction
signal decomposition
correlation analysis
Bayesian optimization algorithm
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于生成对抗网络多变量风电时间序列异常值处理
被引量：2
- 3
-
-
作者
徐昊
王永生
许志伟
武煜昊
陈振
-
机构
内蒙古工业大学数据科学与应用学院
内蒙古自治区基于大数据的软件服务工程技术研究中心
内蒙古农业大学计算机与信息工程学院
中国科学院计算机技术研究所
-
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2022年第12期300-311,共12页
-
基金
国家自然科学基金(61962045)
内蒙古自治区高等学校科学研究项目(NJZY21321)
+1 种基金
内蒙古自治区关键技术攻关计划(2020GG0094)
内蒙古自治区自然科学基金(2021LHMS06001)。
-
文摘
将孤立森林算法应用于风电数据的异常值检测,利用改进的GRUI神经单元基于WGAN网络进行缺失值插补。在内蒙古风电场的真实数据集上验证了所提方法的有效性,并与KNN、GAN等方法进行对比,验证了模型的有效性,具有更好的插补精度。
-
关键词
风力发电
时间序列
对抗生成网络
异常检测
缺失插补
-
Keywords
wind power
time series
generative adversarial network
outlier detection
missing interpolation
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
