检索结果-南通市图书馆

Energy and AI 2023年第4期14卷 319-328页

作者： Devinder Kaur Shama Naz Islam MdApel Mahmud Md.Enamul Haque Adnan Anwar School of Engineering Deakin UniversityAustralia Faculty of Engineering and Environment Northumbria UniversityNewcastle Upon TyneUK School of Information Technology Deakin UniversityStrategic Centre for Cyber Security Research Institute(CSRI)Geelong 3216Australia

The advancements in distributed generation(DG)technologies such as solar panels have led to a widespread integration of renewable power generation in modern power ***,the intermittent nature of renewable energy poses new challenges to the network operational planning with underlying *** paper proposes a novel probabilistic scheme for renewable solar power generation forecasting by addressing data and model parameter uncertainties using Bayesian bidirectional long short-term memory(BiLSTM)neural networks,while handling the high dimensionality in weight parameters using variational auto-encoders(VAE).The forecasting performance of the proposed method is evaluated using various deterministic and probabilistic evaluation metrics such as root-mean square error(RMSE),Pinball loss,***,reconstruction error and computational time are also monitored to evaluate the dimensionality reduction using the VAE *** compared with benchmark methods,the proposed method leads to significant improvements in weight reduction,i.e.,from 76,4224 to 2,022 number of weight parameters,quantifying to 97.35%improvement in weight parameters reduction and 37.93%improvement in computational time for 6 months of solar power generation data.

关键词： Bayesian deep learning Bidirectional long-short term memory Dimensionality reduction Generation forecasting Renewable power generation variational auto-encoders

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：