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6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：
基于多尺度分量特征学习的用户级超短期负荷预测
1
作者 臧海祥 陈玉伟 +4 位作者 程礼临 朱克东 张越 孙国强 卫志农 《电网技术》 EI CSCD 北大核心 2024年第6期2584-2592,I0093-I0098,共15页
针对用户级负荷波动性强,一步分解后数据维度增加导致运行效率降低以及精度提升有限等问题,该文提出一种新的多尺度分量特征学习框架,用于用户级超短期负荷预测。构建基于自适应噪声的完整经验模态分解(complete ensemble empirical mod... 针对用户级负荷波动性强,一步分解后数据维度增加导致运行效率降低以及精度提升有限等问题,该文提出一种新的多尺度分量特征学习框架,用于用户级超短期负荷预测。构建基于自适应噪声的完整经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)、排列熵(permutation entropy,PE)以及变分模态分解(variational mode decomposition,VMD)的自适应二次模态分解框架,捕捉周期性等时序特征,并降低其非平稳特性;采用多维特征融合的方式挖掘各本征模态函数之间的耦合关系,丰富特征信息;利用改进的多尺度空间注意力(multiscale spatial attention,MSA)模块沿时间、空间以及通道等多尺度提取时空特征及多分量间耦合关系,进而便于卷积神经网络(convolutional neural network,CNN)学习多分量特征。基于江苏省南京市房地产业、教育业以及商务服务业共12位用户的实际负荷数据进行算例分析,各行业平均绝对百分误差分别为5.82%、4.54%以及8.78%,与效果最好的对照模型相比,分别降低了10.46%、6%以及7.48%,验证了该文模型具有较高的预测精度和良好的泛化性能。 展开更多
关键词 负荷预测 卷积神经网络 自适应二次模态分解 多尺度空间注意力机制
原文传递
基于低风速功率修正和损失函数改进的超短期风电功率预测
2
作者 臧海祥 赵勇凯 +3 位作者 张越 程礼临 卫志农 秦雪妮 《电力系统自动化》 EI CSCD 北大核心 2024年第7期248-257,共10页
风电功率具有较强的波动性和随机性。为进一步提升风电功率的预测精度,提出一种基于低风速功率修正和损失函数改进的超短期风电功率预测模型。该模型采用卷积神经网络、自注意力机制和双向门控循环单元捕获风电功率序列的长期时序依赖... 风电功率具有较强的波动性和随机性。为进一步提升风电功率的预测精度,提出一种基于低风速功率修正和损失函数改进的超短期风电功率预测模型。该模型采用卷积神经网络、自注意力机制和双向门控循环单元捕获风电功率序列的长期时序依赖关系。为了解决低风速下待风状态神经网络难以精确拟合的问题,模型通过预测风速并结合当前时段的风电功率对低风速段的预测功率进行修正。针对参数训练的稳定性问题,模型通过改进预测策略和共享权重,引入一种多元非线性的损失函数来提取序列间的关联性。结果表明,所提模型在多项误差指标中均优于对比模型,能够有效提升超短期风电功率的预测效果。 展开更多
关键词 超短期风电功率预测 功率修正 损失函数改进 神经网络模型
下载PDF
基于自适应时序表征和多级注意力的超短期风电功率预测 被引量：4
3
作者 张越 臧海祥 +3 位作者 程礼临 刘璟璇 卫志农 孙国强 《电力自动化设备》 EI CSCD 北大核心 2024年第2期117-125,共9页
针对风电功率数据包含的多尺度时间信息难以描述、现有方法未充分考虑气象因素对于风电功率动态耦合的影响而导致的预测性能下降等问题,提出了一种基于自适应时序表征和多级注意力的超短期风电功率预测方法。采用时序嵌入层对风电功率... 针对风电功率数据包含的多尺度时间信息难以描述、现有方法未充分考虑气象因素对于风电功率动态耦合的影响而导致的预测性能下降等问题,提出了一种基于自适应时序表征和多级注意力的超短期风电功率预测方法。采用时序嵌入层对风电功率序列进行表征以获取其周期、非周期模式,并引入自注意力捕捉高维风电功率序列的自相关性;利用交叉注意力重构风电功率与气象因素,形成包含两者耦合关系的多维特征序列;利用一维卷积神经网络沿时间、特征方向分别挖掘多维特征序列的时间相关性和空间相关性,进而利用长短期记忆网络提取相应的时序特征,并将所得时序特征经全局注意力去噪和门控机制融合后输入全连接层,分别进行点预测和区间预测。实验结果表明,所提方法能够获得准确的点预测值和可靠的预测区间。 展开更多
关键词 风电功率 超短期预测 多级注意力 深度学习 时空相关性 点预测 区间预测
下载PDF
基于ICEEMDAN-LSTM和残差注意力的短期太阳辐照度预测 被引量：2
4
作者 臧海祥 张越 +3 位作者 程礼临 刘璟璇 卫志农 孙国强 《太阳能学报》 EI CSCD 北大核心 2023年第12期175-181,共7页
为提升短期太阳辐射预测的准确性,提出一种基于ICEEMDAN-LSTM和残差注意力的短期太阳辐照度预测方法。该方法利用改进的自适应噪声完备集合经验模态分解(ICEEMDAN)将原始辐射序列分解为多尺度模态分量,同时引入残差注意力机制对原始气... 为提升短期太阳辐射预测的准确性,提出一种基于ICEEMDAN-LSTM和残差注意力的短期太阳辐照度预测方法。该方法利用改进的自适应噪声完备集合经验模态分解(ICEEMDAN)将原始辐射序列分解为多尺度模态分量,同时引入残差注意力机制对原始气象特征进行重构,然后利用长短期记忆网络分别提取两部分的时序特征,并融合所得特征输入至多层感知器,进行提前1小时的水平面总辐照度预测。实验结果表明,该方法能捕捉辐射序列的波动和突变,并考虑不同气象特征的重要程度,可有效提高短期太阳辐照度的预测精度。 展开更多
关键词 太阳辐照度 预测 深度学习 ICEEMDAN 长短期记忆网络 残差注意力
原文传递
基于数据驱动的太阳辐射估计和预测研究与展望 被引量：13
5
作者 臧海祥 程礼临 +2 位作者 刘玲 卫志农 孙国强 《电力系统自动化》 EI CSCD 北大核心 2021年第11期170-183,共14页
准确可靠的太阳辐射估计和预测信息对指导光伏电站规划、光伏发电功率预测等具有重要意义。数据驱动方法能够有效学习长期历史辐射数据特性且不涉及辐射机理的复杂公式分析,是当前太阳辐射估计和预测的主流方法之一。针对基于数据驱动... 准确可靠的太阳辐射估计和预测信息对指导光伏电站规划、光伏发电功率预测等具有重要意义。数据驱动方法能够有效学习长期历史辐射数据特性且不涉及辐射机理的复杂公式分析,是当前太阳辐射估计和预测的主流方法之一。针对基于数据驱动的太阳辐射估计和预测研究,从其原理和关键技术方面进行比较论述,具体包括估计和预测模型的输入、主流数据驱动模型以及模型的精度提升方法,并针对当前太阳辐射估计和预测方法的研究现状及不足进行总结与展望,以更好地配合光伏发电技术领域内的研究和应用。 展开更多
关键词 太阳辐射 估计预测 光伏发电 数据驱动 机器学习
下载PDF
考虑多光谱卫星遥感的区域级超短期光伏功率预测 被引量：9
6
作者 程礼临 臧海祥 +1 位作者 卫志农 孙国强 《中国电机工程学报》 EI CSCD 北大核心 2022年第20期7451-7464,共14页
建设含高比例新能源的新型电力系统是实现国家“双碳”战略目标的重要途径,而分布广泛的光伏发电将在其中占据较大比重。由于光伏出力的随机性,未来的高比例新能源电网需具备更强的区域协调互动能力,更依赖准确可靠的区域级预测技术。... 建设含高比例新能源的新型电力系统是实现国家“双碳”战略目标的重要途径,而分布广泛的光伏发电将在其中占据较大比重。由于光伏出力的随机性,未来的高比例新能源电网需具备更强的区域协调互动能力,更依赖准确可靠的区域级预测技术。相比于单站址预测,区域级光伏预测需要掌握大范围地区的云运动轨迹,分析不同电站位置的气象差异,并尽可能避免对区域内所有电站逐个重复建模。因此,该文基于卫星遥感数据,提出针对区域级光伏上采样值的超短期预测方法。该方法包含多光谱图像融合、图像预测和双层生成式采样光伏预测,在能够充分利用多光谱卫星遥感图像的同时,基于生成式模型降低了图像预测误差对光伏出力预测的影响。通过对公开的欧洲气象卫星及比利时省级光伏数据进行预测仿真,结果表明,该文方法能够有效提升提前1.5h及以上时间尺度的超短期光伏预测精度,可以满足区域间电网的实时调度需求。 展开更多
关键词 区域级光伏发电 超短期光伏预测 卫星遥感 图像融合预测 生成式模型
原文传递
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