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：
超短期风电功率预测的混合深度学习模型 被引量：2
1
作者 刘旭丽 莫毓昌 +1 位作者 吴哲 严珂 《华侨大学学报（自然科学版）》 CAS 2022年第5期668-676,共9页
针对风电功率预测(WPF)问题,提出一种基于离散小波变换(DWT)、时间卷积网络(TCN)和长短期记忆(LSTM)神经网络的混合深度学习模型(DWT-TCN-LSTM),对超短期风电功率进行预测.将DWT-TCN-LSTM模型分别与差分整合移动平均自回归(ARIMA)模型,... 针对风电功率预测(WPF)问题,提出一种基于离散小波变换(DWT)、时间卷积网络(TCN)和长短期记忆(LSTM)神经网络的混合深度学习模型(DWT-TCN-LSTM),对超短期风电功率进行预测.将DWT-TCN-LSTM模型分别与差分整合移动平均自回归(ARIMA)模型,支持向量回归(SVR)模型,长短期记忆神经网络模型和卷积长短期记忆(TCN-LSTM)混合模型进行对比实验,通过对称平均绝对百分比误差(SMAPE),均方根误差(RMSE)和平均绝对误差(MAE)3种评价指标值对各个模型进行评价.实验结果表明:DWT-TCN-LSTM模型具有较好的预测性能. 展开更多
关键词 风力发电 超短期预测 离散小波变换 时间卷积网络 长短期记忆神经网络
下载PDF
湖北电网AGC机组调峰和调频问题的探讨
2
作者 丁立 《湖北电力》 2004年第4期13-15,共3页
　分析了湖北电网AGC机组在电网调频调峰上的现状和存在问题,提出了运用AGC的超短期负荷预测模块,合理分配AGC机组和非AGC机组的发电出力,提高其运行效率和降低购电成本。
关键词 电网 电力系统 负荷预测 AGC 机组调峰 调频问题 湖北
下载PDF
大型风电场一体化监控平台的设计与实现
3
作者 张超 《山西建筑》 2014年第23期173-174,共2页
结合我国电力系统运行特性及风电场接入电力系统技术规定,设计了大型风电场一体化监控平台,并从系统的总体设计、功能模块设计等方面介绍了大型风电场一体化监控平台的设计方案,该监控平台经投入运行,实现了对不同类型风机的监控,解决... 结合我国电力系统运行特性及风电场接入电力系统技术规定,设计了大型风电场一体化监控平台,并从系统的总体设计、功能模块设计等方面介绍了大型风电场一体化监控平台的设计方案,该监控平台经投入运行,实现了对不同类型风机的监控,解决了风电场的调度管理难题。 展开更多
关键词 SCADA 短期功率预测 超短期功率预测 AGC AVC
下载PDF
基于EEMD-LSTM方法的光伏发电系统超短期功率预测 被引量：12
4
作者 卢忠山 袁建华 《中国测试》 CAS 北大核心 2022年第12期125-132,共8页
为提高光伏发电系统功率超短期预测的准确性,提出一种基于EEMD-LSTM的光伏电站超短期预测模型。该模型选取某50 MW光伏电站2017年功率数据作为样本,根据天气因素分类指标将天气情况分为非突变天气和突变天气两大类,利用EEMD将分类天气... 为提高光伏发电系统功率超短期预测的准确性,提出一种基于EEMD-LSTM的光伏电站超短期预测模型。该模型选取某50 MW光伏电站2017年功率数据作为样本,根据天气因素分类指标将天气情况分为非突变天气和突变天气两大类,利用EEMD将分类天气的历史功率数据分解为IMF1~IMF5和剩余分量,计算各个分量与原始数据之间的相关性并将强相关的分量送入LSTM神经网络,叠加各子分量结果得到最终的光伏功率预测结果,同步搭建BP、SVM、KNN和LSTM模型与所提模型进行误差对比。结果表明:天气因素对光伏输出功率有较大影响;单一模型对功率波动较大的突变天气进行预测时会产生较大误差;功率数据经过EEMD分解,可充分提取细节特征,使得EEMD-LSTM耦合模型较LSTM模型在e_(RMSE)、e_(MAPE)、e_(TIC)上分别提升21.23%、11.92%、25.67%。所提模型可有效提高光伏功率超短期预测的准确度,满足光伏发电系统超短期预测的要求。 展开更多
关键词 光伏发电 超短期 功率预测 模态分解
下载PDF
基于EEMD-PSO-ELM的风电功率超短期预测
5
作者 毛元 冯洋 +2 位作者 严岩 陈磊 钱勇 《宁夏电力》 2024年第2期1-5,26,共6页
针对风电场功率不稳定特性引起风电功率预测精度不高的问题,提出1种基于EEMD-PSO-ELM的超短期风电功率预测方法。首先,采用集合经验模态分解(ensemble empirical mode decomposition,EEMD)将风电功率序列分解为若干个模态,从而避免了模... 针对风电场功率不稳定特性引起风电功率预测精度不高的问题,提出1种基于EEMD-PSO-ELM的超短期风电功率预测方法。首先,采用集合经验模态分解(ensemble empirical mode decomposition,EEMD)将风电功率序列分解为若干个模态,从而避免了模态混叠;其次,利用相空间重构对分解得到的模态计算Hurst指数,并依据Hurst指数得到最优子序列;最后,采用粒子群算法(particle swarm optimization,PSO)-极限学习机(extreme learning machine,ELM)模型对最优子序列风电功率进行预测。以某风电场为例,采用预测模型进行分析,实验结果表明EEMD-PSO-ELM预测模型的风电功率预测精度更高。 展开更多
关键词 风电场功率 集合经验模态分解 相空间重构 超短期 预测精度
下载PDF
基于椭圆轨道模型的风电功率超短期预测 被引量：1
6
作者 王慧莹 吴亮红 张红强 《湖南科技大学学报（自然科学版）》 CAS 北大核心 2022年第3期61-67,共7页
随着风电装机容量的持续增长,风力发电的间歇性和随机性对电网造成的不利影响越来越明显.因此,有效的风电功率预测是解决大规模风电并网的关键问题之一.文章提出一种椭圆轨道模型对风电功率进行超短期预测.首先,采用去趋势波动分析法对... 随着风电装机容量的持续增长,风力发电的间歇性和随机性对电网造成的不利影响越来越明显.因此,有效的风电功率预测是解决大规模风电并网的关键问题之一.文章提出一种椭圆轨道模型对风电功率进行超短期预测.首先,采用去趋势波动分析法对样本数据进行平滑处理,解决风电功率数据突变的问题;然后,应用椭圆轨道模型对风电功率进行超短期预测.采用湖南某风电厂实际运行的4组数据进行验证,实验结果表明:椭圆轨道模型的预测误差在可接受范围之内,为超短期风电功率预测提供了一种有效方法. 展开更多
关键词 椭圆轨道模型 去趋势波动分析 风电功率 超短期预测
原文传递
基于混沌时间序列GA-VNN模型的超短期风功率多步预测 被引量：43
7
作者 江岳春 张丙江 +2 位作者 邢方方 张雨 王志刚 《电网技术》 EI CSCD 北大核心 2015年第8期2160-2166,共7页
随着风电在电力系统中的渗透水平不断提高,能准确、可靠地进行风功率预测至关重要。为提高风功率超短期预测精度,利用风功率时间序列的混沌特性,推导分析了Volterra泛函模型和3层前馈(back propagation,BP)神经网络在结构上的一致性,提... 随着风电在电力系统中的渗透水平不断提高,能准确、可靠地进行风功率预测至关重要。为提高风功率超短期预测精度,利用风功率时间序列的混沌特性,推导分析了Volterra泛函模型和3层前馈(back propagation,BP)神经网络在结构上的一致性,提出混沌时间序列遗传算法-Volterra神经网络(genetic algorithm-Volterra neural network,GA-VNN)模型,对超短期风功率进行多步预测。该模型将实用的Volterra泛函模型和BP神经网络结合起来,解决了求解Volterra泛函模型高阶核函数的问题。同时设计了一种混沌时间序列GA-VNN模型的学习算法,在算法中利用GA全局寻优能力来优化BP神经网络,获得最优的初始权值和阀值。将上述方法应用于某风电场风功率超短期多步预测中,结果验证了所提模型的多步预测性能明显优于Volterra预测滤波器和BP神经网络。 展开更多
关键词 混沌时间序列 BP神经网络 GA算法 Volterra泛函模型 风功率超短期多步预测
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