检索结果-南通市图书馆

基于谱聚类和多元变分模态分解的风电机组功率预测

在线全文

学校读者我要写书评

暂无评论

电网技术 2024年第5期48卷 2043-2053,I0066页

作者：徐睿麟郑建勇梅飞解洋东南大学苏州研究院江苏省苏州市215123 东南大学电气工程学院江苏省南京市210096 河海大学电气与动力工程学院江苏省南京市211100 东南大学网络空间安全学院江苏省南京市211189

传统的风电出力预测方法通常未能充分考虑机组之间的相似性和差异性,忽视了环境条件对风电出力的影响以及关键特征提取方法单一等问题。因此,提出了一种基于谱聚类和多元变分模态分解的人工神经网络风电出力预测方法。首先,为捕捉不同... 详细信息

传统的风电出力预测方法通常未能充分考虑机组之间的相似性和差异性,忽视了环境条件对风电出力的影响以及关键特征提取方法单一等问题。因此,提出了一种基于谱聚类和多元变分模态分解的人工神经网络风电出力预测方法。首先,为捕捉不同机组之间的相似性和差异性,对风速和风向进行谱聚类,构建风速-风向二维标签簇,并选取每个簇的中心机组以表征该簇的出力特征。接着,为更全面地描述出力与环境条件之间的关系,采用变分模态分解算法对聚类中心机组出力进行分解,同时将出力与风速、风向数据进行多元变分模态分解,得到不同频率的模态成分。最后,在预测阶段引入基于注意力机制的深度学习网络,对特征模态添加注意力机制后输入卷积长短期神经网络模型进行训练和预测,并通过误差修正模块得到同簇其他机组的预测结果。该方法相较传统方法在预测精确度上有明显提升,具有一定的实用性和有效性。

关键词：风电预测谱聚类多元变分模态分解卷积长短期神经网络注意力机制

基于CNN–LSTM的风电场发电功率迁移预测方法

在线全文

学校读者我要写书评

暂无评论

工程科学与技术 2024年第2期56卷 91-99页

作者：唐清苇向月代佳琨李子豪孙炜刘俊勇四川大学电气工程学院四川成都610065 爱丁堡大学工程学院爱丁堡EH93FB

随着能源消耗的持续增长和全球气候问题的日趋严峻,以风能为代表的清洁能源装机容量正在稳步提升。为更好地消纳风电,需要准确的风电场发电功率预测为配套设施建设和未来规划制定提供有效依据。针对在缺少风电历史运行数据时预测精度较... 详细信息

随着能源消耗的持续增长和全球气候问题的日趋严峻,以风能为代表的清洁能源装机容量正在稳步提升。为更好地消纳风电,需要准确的风电场发电功率预测为配套设施建设和未来规划制定提供有效依据。针对在缺少风电历史运行数据时预测精度较低的问题,提出一种基于卷积神经网络–长短期记忆神经网络(CNN–LSTM)的规划阶段风电场发电功率预测模型。首先,基于参考电站历史数据提取风速–风电功率实测数据点,采用3次样条插值进行风电功率曲线建模。然后,采用K–means聚类算法,根据风速–风电功率的特性关系划分参考风电场的区域类别。综合考虑风电功率与多维气象因素的特征关系和功率的时序特性,构建CNN–LSTM预测模型,提出基于功率曲线的预测结果修正方法。最后,基于某地风电场实际数据进行算例分析,并与使用标准功率曲线和未进行修正时的预测结果进行对比分析。结果表明:基于风速–风电功率特性的风电场聚类可以实现参考风电场的优化识别;所提模型预测结果优于传统标准功率曲线预测方法,基于功率曲线的修正方法进一步提升了预测效果。基于深度学习算法的规划阶段风电场发电功率迁移预测模型综合考虑了风力发电特性和多维环境因素,其有效性得到了验证,可以为提高规划阶段风电场发电功率的预测精度提供新思路。

关键词：风电预测长短期记忆神经网络卷积神经网络功率曲线风电场规划

融合迁移学习与CGAN的风电集群功率超短期预测

在线全文

学校读者我要写书评

暂无评论

电力系统及其自动化学报 2024年第5期36卷 9-18页

作者：周军王渴心王岩东北电力大学电气工程学院吉林132012 国网吉林省电力有限公司吉林供电公司吉林132012

针对可再生能源不确定性导致电力系统消纳能力不足的问题,提出一种基于条件生成对抗网络与迁移学习融合的风电集群功率超短期预测方法。首先,分析了风电集群功率预测样本模式的不均衡性以及导致的神经网络预测误差偏移现象;其次,构建了... 详细信息

针对可再生能源不确定性导致电力系统消纳能力不足的问题,提出一种基于条件生成对抗网络与迁移学习融合的风电集群功率超短期预测方法。首先,分析了风电集群功率预测样本模式的不均衡性以及导致的神经网络预测误差偏移现象;其次,构建了条件生成对抗网络修复不均衡问题;最后,采用迁移学习结合时间卷积网络构建了风电集群功率超短期预测模型。测试结果表明,所提方法能够显著提高风电集群功率超短期预测精度。

关键词：风电预测风电集群条件生成对抗网络迁移学习时间卷积网络

基于竞争学习机制的LSTM风电多目标区间预测

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2024年第6期41卷 305-311,349页

作者：任鹏付文杰申洪涛陶鹏张洋瑞国网河北省电力有限公司营销服务中心河北石家庄050000

为了进一步提升区间预测的综合效果,提出一种基于竞争学习机制的LSTM风电多目标区间预测方法。提出基于LSTM的上下界估计模型来构建风电区间多目标预测模型,研究多目标系统中的估计误差与预测区间平均宽度的关系;进一步考虑预测误差,引... 详细信息

为了进一步提升区间预测的综合效果,提出一种基于竞争学习机制的LSTM风电多目标区间预测方法。提出基于LSTM的上下界估计模型来构建风电区间多目标预测模型,研究多目标系统中的估计误差与预测区间平均宽度的关系;进一步考虑预测误差,引入一种新的偏最小二乘评价指标;通过引入竞争学习机制,提出一种改进的非支配快速排序遗传算法,有效实现了多目标优化。最后通过两个实际风电数据集进行实验验证,结果表明提出方法具有较高的预测精度。

关键词：风电预测长短期记忆网络区间预测遗传算法

基于DenseNet卷积神经网络的短期风电预测方法

在线全文

学校读者我要写书评

暂无评论

综合智慧能源 2024年

作者：殷林飞蒙雨洁广西大学电气工程学院

风能作为一种清洁、可再生的能源，在能源转型中扮演着至关重要的角色，准确预测风电出力对电力系统的安全高效运行非常重要，然而风速的波动性和随机性，对风电预测带来了挑战。为了提高风电预测的准确性，提出了一种基于DenseNet卷积... 详细信息

风能作为一种清洁、可再生的能源，在能源转型中扮演着至关重要的角色，准确预测风电出力对电力系统的安全高效运行非常重要，然而风速的波动性和随机性，对风电预测带来了挑战。为了提高风电预测的准确性，提出了一种基于DenseNet卷积神经网络的短期风电预测模型。该模型通过精简DenseNet201网络得到了拥有出色的密集连接结构和适当深度、宽度的DenseNet160网络，不仅能缓解训练过程中梯度消失现象，还能通过密集连接将浅层的信息反映到深层，实现深度监督。基于巴西纳塔尔地区378 d的风力数据集，采用DenseNet160网络以及27种算法对未来一天的风力发电情况进行预测。结果表明：DenseNet160网络的平均绝对误差、均方误差以及平均绝对百分误差比其他算法分别降低了至少10.89%,4.98%,8.68%；同时，与使用相同数据集的混合经济模型相比，DenseNet160网络的MAE值小了25.56%。说明该模型能精准地拟合风力发电数据，获得可靠的风力预测结果。

关键词：风电预测可再生能源 DenseNet 卷积神经网络密集连接梯度消失

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于混合深度学习的短期风电预测研究

武汉理工大学学报（信息与管理工程版） 2024年第1期46卷 170-174页

作者：余铮金波焦尧毅陈璞陈家璘国网湖北省电力有限公司信息通信公司湖北武汉430077

针对现有风电预测精度低的问题,提出了一种基于IEMD和混合深度学习模型的超短期风力发电预测模型。首先,提出基于IEMD对原始风电数据进行分解,从而分解出电力高频、中频、低频及其趋势特征。其次,基于最小二乘支持向量机对电力中频、低... 详细信息

针对现有风电预测精度低的问题,提出了一种基于IEMD和混合深度学习模型的超短期风力发电预测模型。首先,提出基于IEMD对原始风电数据进行分解,从而分解出电力高频、中频、低频及其趋势特征。其次,基于最小二乘支持向量机对电力中频、低频及其趋势特征进行预测,并基于LSTM网络预测风电高频特征。最后,根据特征叠加规则,获得最终预测结果。实验阶段,以中国某电力公司发布的风电数据集进行实验,所提模型MAPE、MAE、RMSE等指标更优,实验结果验证了所提模型的可行性和有效性。该模型为混合智能电网智能化服务以及新能源调度规划的应用发展提供了一定借鉴作用。

关键词：智能电网风电预测数据分解特征提取长短时记忆网络支持向量机

基于纵向联邦学习的短期风电功率协同预测方法

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2023年第16期47卷 44-53页

作者：赵寒亭张耀霍巍王建学吴峰张衡西安交通大学电气工程学院陕西省西安市710049 大航有能电气有限公司江苏省扬中市212211

由于风力资源具有时空相关性,使用邻近场站的相关数据可以提高待预测场站的预测精度。然而不同场站通常分属不同发电集团,由于商业竞争和数据安全考量,彼此难以获得对方的隐私数据。针对上述问题,首先,提出了基于改进k近邻算法的岭回归... 详细信息

由于风力资源具有时空相关性,使用邻近场站的相关数据可以提高待预测场站的预测精度。然而不同场站通常分属不同发电集团,由于商业竞争和数据安全考量,彼此难以获得对方的隐私数据。针对上述问题,首先,提出了基于改进k近邻算法的岭回归预测模型;然后,在纵向联邦学习的机制下,采用同步梯度下降算法对所提预测模型进行迭代求解;利用梯度向量可拆分计算的特点,推导了风电预测模型的分布式训练过程和分布式预测过程,将原本的大规模预测问题分解为大量的小规模子问题,且每个子问题由相应的风电场站在本地进行计算。在保证各参与方数据隐私安全的基础上,可以有效利用邻近场站的数据信息,从而提高风电功率预测精度。最后,以实际算例验证了所提方法的有效性。

关键词：风电预测岭回归 k近邻算法梯度下降纵向联邦学习分布式优化

基于MQ-WaveNet的风电集群发电功率多步概率预测

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2023年第8期47卷 156-168页

作者：李青张新燕摆志俊马磊王衡张正新疆大学电气工程学院新疆维吾尔自治区乌鲁木齐市830000 国网新疆电力有限公司电力科学研究院新疆维吾尔自治区乌鲁木齐市830000 国网新疆电力有限公司阿克苏供电公司新疆维吾尔自治区乌鲁木齐市830000 国网新疆电力有限公司新疆维吾尔自治区乌鲁木齐市830000

风电渗透率的持续提高对电力平衡测算、电网运行调度和系统频率稳定带来了极大挑战。为量化区域风力发电的不确定性,提出一种风电集群直接多步概率预测模型。首先,为有效挖掘区域内各风电场数据与集群发电总出力间的时空相关性,采用最... 详细信息

风电渗透率的持续提高对电力平衡测算、电网运行调度和系统频率稳定带来了极大挑战。为量化区域风力发电的不确定性,提出一种风电集群直接多步概率预测模型。首先,为有效挖掘区域内各风电场数据与集群发电总出力间的时空相关性,采用最大互信息系数法选取基准场站和关键输入特征变量。然后,基于序列-序列网络架构,结合分位数回归概率预测特性及波网(WaveNet)可捕获大范围内时序依赖特性等优点,设计了适用于风电集群概率预测的多视界分位数(MQ)-WaveNet模型,实现对风电集群场站在多个时间跨步上的风电功率多分位点的预测。最后,选取中国新疆哈密东南部风区12个邻近的大型风电场运行数据进行算例分析。结果表明,所提模型仅利用相关基准场站的关键特征变量即可实现风电集群发电功率的有效预测,模型复杂度低、易于工程应用推广。

关键词：风电预测发电功率多分位数多步概率预测最大互信息系数波网

在线全文

学校读者我要写书评

暂无评论

缺少气象数据场景下的超短期风电预测

电力系统及其自动化学报 2022年第3期34卷 142-150页

作者：佟佳弘武志刚谢钰华南理工大学电力学院广州510640

本文对单个风力发电序列进行建模,并提出一种基于小波分解、特征提取和XGBoost+逻辑回归LR(logistic regression)且不依赖气象数据风力发电预测模型。提出利用小波分解提取原始风电序列的平均分量和高频分量;分别对平均分量和高频分量... 详细信息

本文对单个风力发电序列进行建模,并提出一种基于小波分解、特征提取和XGBoost+逻辑回归LR(logistic regression)且不依赖气象数据风力发电预测模型。提出利用小波分解提取原始风电序列的平均分量和高频分量;分别对平均分量和高频分量进行建模;为了提高模型对数据特征的敏感性,提出了一种将手动提取的特征和历史数据用作预测模型输入的特征提取新方法;最后,选择XGBoost和逻辑回归的组合模型(XGBoost+LR)作为提升模型。实验使用Elia风电场集群数据集和中国南方某风电场的数据集作为测试数据,预测结果使用NMAE和NRMSE作为评价指标,与现有方法比取得明显提升。本文方法在风电功率上下爬坡阶段同样具有良好适应性。

关键词：特征提取风电预测小波变换 XGBoost