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
共找到7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：
基于相似日聚类和IHGWO-WNN-AdaBoost模型的短期光伏功率预测 被引量：16
1
作者 杨国华 张鸿皓 +3 位作者 郑豪丰 郁航 高佳 庄家懿 《高电压技术》 EI CAS CSCD 北大核心 2021年第4期1185-1194,共10页
为进一步提升光伏输出功率短期预测的准确性和稳定性,提出一种基于相似日聚类的小波神经网络(wavelet neural network,WNN)和AdaBoost的混合预测模型。首先利用模糊C均值聚类(fuzzy C-means algorithm,FCM)算法将初始数据集按照不同的... 为进一步提升光伏输出功率短期预测的准确性和稳定性,提出一种基于相似日聚类的小波神经网络(wavelet neural network,WNN)和AdaBoost的混合预测模型。首先利用模糊C均值聚类(fuzzy C-means algorithm,FCM)算法将初始数据集按照不同的季节和天气类型进行划分;其次选用WNN作为改进AdaBoost算法的基学习器,构建WNN-AdaBoost模型,并使用改进混合灰狼优化(improved hybridizing grey wolf optimization,IHGWO)算法优化WNN的小波因子和权值;最后选用我国中部地区某光伏电站实采的输出功率数据进行算例分析,通过与其他模型的对比,验证了所提模型的预测效果。实验结果表明:在不同季节和天气类型下,所提模型均能得到较好的预测结果,在有效提升光伏短期输出功率预测精度的同时,兼备了较强的适应性和鲁棒性。 展开更多
关键词 光伏功率预测 相似日聚类 改进混合灰狼优化算法 小波神经网络 ADABOOST 自适应权重
下载PDF
基于FCM和CG-DBN的光伏功率短期预测 被引量：9
2
作者 李正明 高赵亮 梁彩霞 《现代电力》 北大核心 2019年第5期62-67,共6页
针对光伏输出功率非线性、波动大、不稳定等特征引起光伏功率短期预测不精确的问题,本文提出了一种基于相似日聚类和利用共轭梯度法(CG)改进深度信念网络(DBN)的组合模型预测方法。首先利用FCM聚类算法将原始数据按照隶属度进行相似日聚... 针对光伏输出功率非线性、波动大、不稳定等特征引起光伏功率短期预测不精确的问题,本文提出了一种基于相似日聚类和利用共轭梯度法(CG)改进深度信念网络(DBN)的组合模型预测方法。首先利用FCM聚类算法将原始数据按照隶属度进行相似日聚类,随后根据类别进行CGDBN预测模型的建模,最后利用该模型进行光伏输出功率的短期预测。本文将方案应用于浙江龙游发电站,并将预测结果与传统预测模型进行了比较。最终得出,FCM和CG-DBN组合预测模型在光伏功率短期预测中的性能优于其他模型。 展开更多
关键词 相似日聚类 深度信念网络 光伏功率短期预测 组合预测模型 共轭梯度法
下载PDF
基于相似日的短期电价区间预测 被引量：7
3
作者 杨颖 杨少华 +2 位作者 张燕 雷自强 刘达 《智慧电力》 北大核心 2018年第12期23-29,共7页
准确的短期电价预测有助于电力市场各个参与者选择交易策略和估算效益,因此短期电价预测受到人们广泛关注。为了解决特殊样本带来的预测误差,应用模糊C-均值聚类算法进行相似日聚类,以与预测日相似的数据构建样本集。再采用高斯过程回... 准确的短期电价预测有助于电力市场各个参与者选择交易策略和估算效益,因此短期电价预测受到人们广泛关注。为了解决特殊样本带来的预测误差,应用模糊C-均值聚类算法进行相似日聚类,以与预测日相似的数据构建样本集。再采用高斯过程回归来建立短期电价预测模型,对短期实时电价进行预测,得到具有概率分布及对应置信水平的区间预测结果。最后,采用美国代顿电力市场的历史数据进行实例计算,证明了该方法可有效提高模型的预测精度,与BP神经网络相比预测效果更佳,可以向电力市场参与者提供更全面的信息。 展开更多
关键词 相似日聚类 区间预测 短期电价预测 电力市场 高斯过程回归
下载PDF
基于MBI-PBI-ResNet的超短期光伏功率预测
4
作者 黄泽 毕贵红 +4 位作者 谢旭 赵鑫 陈臣鹏 张梓睿 骆钊 《电力系统保护与控制》 EI CSCD 北大核心 2024年第2期165-176,共12页
为了增强光伏并网的稳定性,提高光伏发电功率预测精度,提出一种基于相似日聚类、群分解(swarm decomposition, SWD)和MBI-PBI-Res Net深度学习网络模型的光伏发电功率超短期预测方法。首先,使用快速傅里叶变换(fast fourier transform, ... 为了增强光伏并网的稳定性,提高光伏发电功率预测精度,提出一种基于相似日聚类、群分解(swarm decomposition, SWD)和MBI-PBI-Res Net深度学习网络模型的光伏发电功率超短期预测方法。首先,使用快速傅里叶变换(fast fourier transform, FFT)提取太阳辐照度的期望频率,将其作为聚类特征向量,并根据此聚类特征向量采用自适应仿射传播聚类(adaptive affinity propagation clustering, AdAP)实现相似日聚类。其次,对每一类相似日分别使用群分解算法进行分解,以提取原始数据的多尺度波动规律特征。最后,利用MBI-PBI-Res Net来实现对天气环境多变量关联影响下的时序特征挖掘以及对多尺度分量的局部波形空间特征和长时间依赖时序特征的同时挖掘,并对不同类型特征进行综合集成来实现光伏发电功率超短期预测。研究结果表明:所提方法在光伏发电功率超短期预测领域相较于其他深度学习方法预测精度提高了3%以上,说明此方法在光伏发电功率超短期预测领域具有较高的预测精度和较强的泛化能力。 展开更多
关键词 光伏发电 功率预测 相似日聚类 并联网络
下载PDF
基于ICEEMDAN和TCN-AM-BiGRU的短期光伏功率预测
5
作者 白隆 俞斌 +2 位作者 高峰 顾晋豪 徐婕 《电子测量技术》 北大核心 2024年第9期61-69,共9页
光伏发电功率的准确预测对综合能源系统的安全稳定运行以及实时控制至关重要。为解决光伏功率预测过程中存在噪声干扰以及传统的单一预测模型存在预测精度较差等问题,本文提出一种基于ICEEMDAN和TCN-AM-BiGRU相结合的短期光伏功率预测... 光伏发电功率的准确预测对综合能源系统的安全稳定运行以及实时控制至关重要。为解决光伏功率预测过程中存在噪声干扰以及传统的单一预测模型存在预测精度较差等问题,本文提出一种基于ICEEMDAN和TCN-AM-BiGRU相结合的短期光伏功率预测模型。首先,利用皮尔逊相关系数筛选关键气象因素,通过模糊C均值聚类将光伏功率历史数据划分为晴天、多云和阴雨3种相似日;其次利用ICEEMDAN将历史训练集分解成若干个较为规律的子序列,并根据排列熵值进行重构;最后,通过TCN提取序列特征,引入注意力机制赋予不同的权重,再通过BiGRU进行预测,输出最终的预测结果。以某光伏电站的实际数据为例对预测模型和其他模型进行验证和分析,结果表明在晴天、多云和阴雨天气下,相比其他对比模型,所提模型准确率平均提高了1.69%、3.58%和4.40%,MAE平均降低了57.61%、36.83%和40.94%,RMSE平均降低了56.90%、34.30%和36.63%,验证了本文模型的有效性和优越性。 展开更多
关键词 模态分解 相似日聚类 TCN 注意力机制 BiGRU
下载PDF
基于相似日聚类及模态分解的短期光伏发电功率组合预测研究
6
作者 龙小慧 秦际赟 +1 位作者 张青雷 段建国 《电网技术》 EI CSCD 北大核心 2024年第7期2948-2957,I0087-I0088,共12页
短期光伏发电功率预测是电站制定发电计划并进行调度的重要组成部分,有助于电力系统的动态稳定。针对光伏时序预测中存在的噪声干扰及单一模型预测效果不稳定等问题,该文提出一种基于改进型自适应白噪声的完全集合经验模态分解(improved... 短期光伏发电功率预测是电站制定发电计划并进行调度的重要组成部分,有助于电力系统的动态稳定。针对光伏时序预测中存在的噪声干扰及单一模型预测效果不稳定等问题,该文提出一种基于改进型自适应白噪声的完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)的组合预测模型。首先,利用相关系数提取重要气象特征,并采用模糊C均值聚类(fuzzy C-means clustering,FCM)将原始数据集划分为晴天、晴转多云和雨天。其次,每种相似日以最后一天为待预测日,其余为历史训练集;利用ICEEMDAN将历史训练集分解成若干个较为规律的子序列,并用排列熵(permutation entropy,PE)对各子序列进行重构。最后,高频项采用由卷积神经网络(convolutional neural network,CNN)、(bidirectional gated recurrent unit,Bi GRU)双向门控循环单元与注意力机制组合而成的CNN-BiGRU-ATTENTION神经网络预测,低频项和趋势项采用最小二乘支持向量回归机(least squares support vector regression,LSSVR)进行预测,将预测结果叠加得到最终光伏发电功率预测值。通过实例验证:该文组合模型在不同天气条件下,可以解决单一模型预测精度低、预测效果不稳定等问题;相比其他模态分解,能够更精确地预测波动较大的局部特征。 展开更多
关键词 光伏发电 模态分解 相似日聚类 卷积神经网络 最小二乘支持向量回归机 注意力机制
下载PDF
应对风速不确定性的聚类预测方法
7
作者 王勇超 尹维波 《电力系统装备》 2017年第10期131-132,共2页
为提高风速预测精度,提出了一种基于风速相似日聚类的小波包-神经网络风速预测方法.通过进行风速相似日聚类,把全年分为风速规律性更强的若干类时间段,然后对同类时间段内的风电数据进行小波包分解,得到频率不同、但规律性更强的风速子... 为提高风速预测精度,提出了一种基于风速相似日聚类的小波包-神经网络风速预测方法.通过进行风速相似日聚类,把全年分为风速规律性更强的若干类时间段,然后对同类时间段内的风电数据进行小波包分解,得到频率不同、但规律性更强的风速子序列,最后基于径向基神经网络对各子序列建模并预测,通过叠加得到预测风速.基于风速相似日聚类和小波包分解均增强了风速子序列的规律性,从而提高风速预测的精度,算例仿真结果证明了所提方法的有效性. 展开更多
关键词 风速预测 小波包-神经网络 风速相似日聚类
下载PDF
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
使用帮助 返回顶部