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5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：
基于近邻传播聚类与LSTNet的分布式光伏电站群短期功率预测 被引量：15
1
作者 王晓霞 俞敏 +1 位作者 霍泽健 杨迪 《电力系统自动化》 EI CSCD 北大核心 2023年第6期133-141,共9页
为了应对分布式光伏渗透率不断提高带给电网运行的挑战,提出了一种基于近邻传播聚类与长短期时间序列网络(LSTNet)的区域分布式光伏电站群短期功率预测模型。首先,利用近邻传播算法划分区域内不同季节的分布式光伏电站群,并通过皮尔逊... 为了应对分布式光伏渗透率不断提高带给电网运行的挑战,提出了一种基于近邻传播聚类与长短期时间序列网络(LSTNet)的区域分布式光伏电站群短期功率预测模型。首先,利用近邻传播算法划分区域内不同季节的分布式光伏电站群,并通过皮尔逊相关系数确定光伏出力的强相关气象因子,结合双线性插值法加密对应光伏电站群的气象数据。然后,通过LSTNet挖掘光伏功率和气象因子序列的长期和短期时空依赖,并叠加自回归的线性分量,实现了群内多个光伏电站的同时预测。最后,利用美国国家能源部可再生能源实验室的实测数据集验证了所提方法的有效性。实验比较表明,所提预测模型具有较高的预测精度和鲁棒性。 展开更多
关键词 分布式光伏电站群 短期功率预测 近邻传播聚类 长短期时间序列网络
下载PDF
电表数据隐私保护下的联邦学习行业电力负荷预测框架 被引量：7
2
作者 王蓓蓓 朱竞 +1 位作者 王嘉乐 马琎劼 《电力系统自动化》 EI CSCD 北大核心 2023年第13期86-93,共8页
电力市场化改革背景下,供电公司的用电采集系统不对主动配电网运营商开放,同时,未来终端用户更倾向于将用户信息保存在本地以保护自己的隐私,主动配电网运营商需要在无读表权的条件下开展负荷预测等电力业务。为此,选择天气和时间因素... 电力市场化改革背景下,供电公司的用电采集系统不对主动配电网运营商开放,同时,未来终端用户更倾向于将用户信息保存在本地以保护自己的隐私,主动配电网运营商需要在无读表权的条件下开展负荷预测等电力业务。为此,选择天气和时间因素作为负荷的关联因素,提出一种面向行业用户读表数据保护的联邦学习负荷预测框架。在此基础上,构建了行业用户数据集,基于长短期时间序列网络(LSTNet)建立负荷预测模型,同时利用FedML框架建立基于联邦学习的分行业负荷预测框架。算例分析表明,所述方法能使同行业的用户在不共享负荷数据的前提下进行联邦训练,在保护用户用电隐私的前提下支撑主动配电网运营商相关业务开展,具有较优的预测性能、较少的模型数量和较短的耗时。 展开更多
关键词 长短期时间序列网络 负荷预测 联邦学习 FedML框架 隐私保护
下载PDF
基于LSTNet的液压爬模压力预测研究
3
作者 严国平 李仕煌 +2 位作者 李京 钟飞 许超斌 《机床与液压》 北大核心 2024年第22期149-154,共6页
液压爬模是一种用于建筑施工的设备,对其进行压力预测将有助于在桥梁建设过程中监测工作状态与提供故障预警。为了获得更加精准的压力预测结果,提出一种基于长短期时间序列网络(LSTNet)的液压爬模压力预测模型。通过Spearman相关系数法... 液压爬模是一种用于建筑施工的设备,对其进行压力预测将有助于在桥梁建设过程中监测工作状态与提供故障预警。为了获得更加精准的压力预测结果,提出一种基于长短期时间序列网络(LSTNet)的液压爬模压力预测模型。通过Spearman相关系数法筛选与液压爬模设备压力数据强相关的数据,减少不相关数据的干扰。利用LSTNet模型寻找液压爬模设备压力数据的长期和短期依赖,并引入线性的自适应回归层,结合神经网络的非线性部分,提高网络模型的预测精度。最后使用常泰长江大桥液压爬模项目采集的压力数据进行模型的训练,并与LSTM模型、LSTM-Attention模型和CNN-BiLSTM-Attention模型进行对比。结果表明:在液压爬模的压力预测实验中,LSTNet模型展示了良好的拟合性和预测性能,相较其他3个模型的准确率更高。此外,LSTNet模型结合了线性与非线性特征提取能力,增强了时间序列数据的建模灵活性和准确性,提升了模型的预测性能。 展开更多
关键词 深度学习 液压爬模 在线监测平台 长短期时间序列网络(lstnet) 压力预测
下载PDF
强化数据预处理的BLSTNet-CBAM短期电力负荷预测 被引量：1
4
作者 陈万志 张思维 王天元 《计算机系统应用》 2024年第5期47-56,共10页
针对负荷数据复杂性、非平稳性以及负荷预测误差较大等问题,提出一种综合特征构建和模型优化的短期电力负荷预测新方法.首先采用最大信息系数(MIC)分析特征变量的相关性,选取与电力负荷序列相关的特征变量,同时,考虑变分模态分解(VMD)... 针对负荷数据复杂性、非平稳性以及负荷预测误差较大等问题,提出一种综合特征构建和模型优化的短期电力负荷预测新方法.首先采用最大信息系数(MIC)分析特征变量的相关性,选取与电力负荷序列相关的特征变量,同时,考虑变分模态分解(VMD)方法容易受主观因素的影响,采用霜冰优化算法(RIME)优化VMD,完成原始电力负荷序列的分解.然后改进长短期时间序列网络(LSTNet)作为预测模型,将其递归层LSTM更新为BiLSTM,并引入卷积块注意力机制(CBAM)进行预测.通过对比实验和消融实验的结果表明:经RIME-VMD优化后,LSTM、GRU、LSTNet模型预测的均方根误差(RMSE)均降低20%以上,显著提高模型预测精度,且能够适应于不同预测模型.所提出的BLSTNet-CBAM模型与LSTM、GRU、LSTNet相比,RMSE分别降低了35.54%、6.78%、1.46%,提高了短期电力负荷预测的准确性. 展开更多
关键词 短期电力负荷预测 霜冰优化算法 变分模态分解 长短期时间序列网络 卷积块注意力机制
下载PDF
基于LSTNet模型的配电台区短期电力负荷预测研究 被引量：3
5
作者 顾吉鹏 邵亮 +3 位作者 陆垂基 张有兵 张伟杰 杨吉峰 《电气传动》 2023年第5期63-70,共8页
短期电力负荷预测作为电力系统运行规划的重要依据,对电力系统的安全经济运行有重要意义。提出一种长期和短期时间序列网络(LSTNet)模型对配电台区的短期负荷变化进行预测。该模型用卷积神经网络(CNN)提取负荷数据间的局部依赖关系,用... 短期电力负荷预测作为电力系统运行规划的重要依据,对电力系统的安全经济运行有重要意义。提出一种长期和短期时间序列网络(LSTNet)模型对配电台区的短期负荷变化进行预测。该模型用卷积神经网络(CNN)提取负荷数据间的局部依赖关系,用长短时记忆(LSTM)神经网络提取负荷数据长期变化趋势,再融合传统自回归模型解决神经网络对负荷数据极端值的不敏感问题,最后将某一配电台区的电力负荷数据用于网络的训练和预测过程中。通过仿真实验案例发现,相较于以往LSTM、双向长短时记忆神经网络(Bi-LSTM)和CNN-LSTM的预测模型,LSTNet模型在短期负荷预测方面更具优势、预测精度更高。 展开更多
关键词 短期电力负荷预测 长期和短期时间序列网络 长短时记忆神经网络 卷积神经网络 自回归模型
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