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

考虑电动汽车灵活性与风电消纳的区域电网多时间尺度调度

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2022年第16期46卷 52-60页

作者：胡俊杰赖信辉郭伟张逾良杨烨新能源电力系统国家重点实验室(华北电力大学) 北京市102206 国网河北省电力有限公司经济技术研究院河北省石家庄市050011 石家庄通合电子科技股份有限公司河北省石家庄市050000 国网电动汽车服务有限公司北京市100052

随着电动汽车数量逐渐增多,电动汽车接入电网会给电网运行控制带来困难。同时,以新能源为主体的新型电力系统面临功率平衡挑战。基于自适应噪声完全集成的经验模态分解(CEEMDAN)和双向长短期记忆神经网络(BILSTM),提出了一种考虑电动汽... 详细信息

随着电动汽车数量逐渐增多,电动汽车接入电网会给电网运行控制带来困难。同时,以新能源为主体的新型电力系统面临功率平衡挑战。基于自适应噪声完全集成的经验模态分解(CEEMDAN)和双向长短期记忆神经网络(BILSTM),提出了一种考虑电动汽车灵活性与风电消纳的区域电网多时间尺度调度方法。首先,通过对风电和基础负荷历史数据进行CEEMDAN,得到不同频率下的本征模态分量;其次,根据极大值点个数判据对本征模态分量进行重构;再次,利用BILSTM预测重构分量,得到风电和基础负荷数据的预测值。基于上述预测的数据,采用模型预测控制方法,建立区域电网多时间尺度调度模型。最后,通过仿真结果表明,所提预测方法具有普适性;所提的多时间尺度调度方法有效且经济,该方法可以在平抑负荷波动、降低风电并网影响的同时,利用电动汽车灵活性对风电预测实时偏差进行补偿,维持系统平衡。

关键词：多时间尺度电力系统调度电动汽车经验模态分解双向长短期记忆神经网络风电预测模型预测控制

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

在线全文

学校读者我要写书评

暂无评论

基于风电预测的碱性电解槽系统优化控制

电网技术 2024年

作者：王加荣杨博张芮张子健昆明理工大学电力工程学院

离网型风氢系统在制氢时，风电出力的波动性会导致电解槽的频繁启停，降低电解槽的使用寿命和制氢效率。为了减少电解槽启停次数，根据风电出力预测规划待机机组，并在多个目标下均衡电解槽的运行状态。为有效控制电解槽，提出一种基于... 详细信息

离网型风氢系统在制氢时，风电出力的波动性会导致电解槽的频繁启停，降低电解槽的使用寿命和制氢效率。为了减少电解槽启停次数，根据风电出力预测规划待机机组，并在多个目标下均衡电解槽的运行状态。为有效控制电解槽，提出一种基于风电预测的多目标滚动优化(multi-objective rolling optimization， MRO)控制方法对风氢系统的电解槽进行控制。首先，对风电功率进行预测，并对预测值进行一阶差分运算，并根据结果确定系统电解槽的运行机组数量。然后，采用多目标适应度函数对电解槽进行滚动优化，平衡各电解槽的运行时间、启停次数、待机时间以及波动功率。最后，根据实时功率顺序分配电解槽的功率和运行状态。为验证所提控制方法的有效性，将所提方法与简单启停(simple start-stop， SS)控制策略和阵列轮值(array rotation， AR)控制策略相比。仿真结果表明，所提方法的电解槽具有更低的启停次数和更高的产氢量，可以有效提高风氢系统的经济性。

关键词：碱性电解槽风氢系统风电预测优化控制

基于组合损失函数的BP神经网络风力发电短期预测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

浙江大学学报（工学版） 2021年第3期55卷 594-600页

作者：刘芳汪震刘睿迪王锴浙江大学电气工程学院浙江杭州310027 中国科学院大学计算机学院北京100049

为了改善风电大规模并网带来的电力系统功率平衡问题,提高系统的风电消纳能力,构建了基于组合损失函数的风电功率预测神经网络模型.为了提高原始数据信息的利用率,在模型中将数据进行分类,提出以最小化组合损失函数为目标的BP神经网络... 详细信息

为了改善风电大规模并网带来的电力系统功率平衡问题,提高系统的风电消纳能力,构建了基于组合损失函数的风电功率预测神经网络模型.为了提高原始数据信息的利用率,在模型中将数据进行分类,提出以最小化组合损失函数为目标的BP神经网络风力发电短期预测模型,由均方差损失函数、交叉熵损失函数和排序损失函数按照不同的权重比构成组合损失函数.基于实际风场数据,对基于组合损失函数的预测模型效果进行训练和仿真验证,结果表明相较于基于单一的均方差损失函数的预测方法,提出的组合损失函数可有效提高预测精度.

关键词：风电预测人工神经网络功率分段特征提取损失函数

基于自适应误差修正的EGRU-AM短期风电功率预测方法

在线全文

学校读者我要写书评

暂无评论

中国测试 2023年

作者：师洪涛李希彬丁茂生高峰李艺萱杨静玲北方民族大学电气信息工程学院

采用传统误差修正算法可以提升深度学习的时序预测能力，但在正负误差特性挖掘及预测模型自适应修正方面尚待进一步研究。针对上述问题，该文提出一种基于自适应误差修正的EGRU-AM短期风电功率预测方法。首先，提出并建立考虑正负误差... 详细信息

采用传统误差修正算法可以提升深度学习的时序预测能力，但在正负误差特性挖掘及预测模型自适应修正方面尚待进一步研究。针对上述问题，该文提出一种基于自适应误差修正的EGRU-AM短期风电功率预测方法。首先，提出并建立考虑正负误差的评价指标IMAE，进而提出自适应误差反馈修正算法，其通过量化历史正负误差的影响，能够自适应的反馈修正GRU门控结构，降低误差异常值出现的概率；更进一步的，利用历史误差的分布规律构建注意力机制自适应律，以实现对权值计算过程的自适应修正，从而提升注意力机制赋值过程的合理性。经过评价指标的综合衡量和自适应机制的系列模型修正，能够有效突出误差对预测过程和模型性能评估的影响。算例验证表明，该文所提的预测模型与评价指标可进一步挖掘误差信息，提升预测模型的学习能力，进而有效提高风电功率预测精度。

关键词：风电预测自适应误差修正机制变分模态分解注意力机制门控循环单元

基于GWO-CNN-BiLSTM的超短期风电预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

科学技术与工程 2023年第35期23卷 15091-15099页

作者：程杰陈鼎李春钟伟东严婷窦春霞南京邮电大学碳中和先进技术研究院南京210023 南京邮电大学自动化学院、人工智能学院南京210023 国网浙江省电力有限公司嘉兴供电公司嘉兴314000

在未来高渗透率风电场景下,超短期风电功率预测研究对于实现电力系统优化运行具有重要意义。为此,提出一种基于GWO-CNN-BiLSTM的超短期风电预测方法。首先,搭建基于卷积神经网络(convolutional neural network,CNN)与双向长短期记忆神... 详细信息

在未来高渗透率风电场景下,超短期风电功率预测研究对于实现电力系统优化运行具有重要意义。为此,提出一种基于GWO-CNN-BiLSTM的超短期风电预测方法。首先,搭建基于卷积神经网络(convolutional neural network,CNN)与双向长短期记忆神经网络(bidirectional long short term memory,BiLSTM)的组合模型,然后,为提升风电预测结果的精度,通过灰狼优化算法(grey wolf optimizer,GWO)对组合模型进行优化,使该组合模型参数能实时适应风电历史数据。最后,仿真结果验证了所提出方法的有效性和优越性。

关键词：风电预测 CNN BiLSTM GWO 组合模型