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：
基于k-sums分段聚类的动态组合学习光伏短期功率预测
1
作者 吴家葆 曾国辉 张振华 《电子科技》 2024年第4期69-76,共8页
目前单一模型预测精度存在难以随着功率波动保持最优的问题,为提高并网系统运行的稳定性和电网的节能调度,文中提出了一种基于k-sums分层聚类的动态学习组合光伏短期功率预测方法。利用k-sums算法经过分段聚类,将天气类型分为晴天A 1、... 目前单一模型预测精度存在难以随着功率波动保持最优的问题,为提高并网系统运行的稳定性和电网的节能调度,文中提出了一种基于k-sums分层聚类的动态学习组合光伏短期功率预测方法。利用k-sums算法经过分段聚类,将天气类型分为晴天A 1、多云A 2、阴雨天B。通过TCN(Temporal Convolutional Network)提取数据的时序特征,并结合GRU(Gate Recurrent Unit)建立融合提取时序特征模块的改进GRU结构,以达到对时序特征敏感的效果。将改进GRU结构与SVM(Support Vector Machine)动态组合,使用Elastic Net算法输出最佳权重值叠加得到最终预测值。文中采用江苏某地区的光伏发电功率数据及对应的气象数据对所提方法进行验证,结果表明动态组合学习模型的MAE(Mean Absolute Error)为1.888,RMSE(Root Mean Squared Error)为2.403。 展开更多
关键词 k-sums 分层聚类 TCN 改进gru SVM 动态组合学习 Elastic Net 光伏短期功率预测
下载PDF
基于改进GRU的电力大数据分析
2
作者 张明达 崔昊杨 +3 位作者 余豪华 孙益辉 王思谨 王浩乾 《计算技术与自动化》 2022年第3期133-137,共5页
针对电力大数据存在冲击数据、无效数据等异常值导致真实规律难以挖掘的问题,提出一种基于改进GRU的电力大数据分析模型。该模型首先分析了异常值导致数据规律失真的情况,提出利用自适应阈值的小波滤波进行数据清洗;其次以单数据周期为... 针对电力大数据存在冲击数据、无效数据等异常值导致真实规律难以挖掘的问题,提出一种基于改进GRU的电力大数据分析模型。该模型首先分析了异常值导致数据规律失真的情况,提出利用自适应阈值的小波滤波进行数据清洗;其次以单数据周期为分段点对数据进行分段,以各数据段同一时刻的记忆求和均值为标准记忆;最后,根据数据段的质量改进GRU记忆能力,即保留质量好的数据段记忆、删除质量差的数据段记忆。为了验证模型的性能,选择光伏发电数据进行实验,结果表明:本模型在数据质量较高时的预测准确率比ARIMA、LSTM和标准GRU分别提高了61%、30%和25%,数据质量较差时的预测准确率分别提高了76%、16%和11%。 展开更多
关键词 异常值 自适应阈值的小波滤波 数据段 标准记忆 改进gru
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