资源分类
电力行业论文
电力行业期刊
电力行业成果
电力行业专利
电力工业标准
能源、核技术
电工
电子与信息技术
- > 电子元器件与信息技术综合
- > 电子元件
- > 电真空器件
- > 半导体分立器件
- > 微电路
- > 计算机
- > 信息处理技术
- > 电子测量与仪器
- > 电子设备专用材料、零件、结构件
- > 电子工业生产设备
仪器仪表
- > 仪器、仪表综合
- > 工业自动化仪表与控制装置
- > 电工仪器仪表
- > 物质成分分析仪器与环境监测仪器
- > 实验室仪器与真空仪器
- > 试验机与无损探伤仪器
工程建设
其他相关行业
电力行业机构
电力企业
采矿业
制造业
- > 通用设备制造业
- > 专用设备制造业
- > 交通运输设备制造业
- > 电气机械及器材制造业
- > 通信设备、计算机及其他电子设备制造业
- > 仪器仪表及文化、办公用机械制造业
- > 金属制品业
- > 非金属矿物制品业
基于泄漏积分型回声状态网络的在线学习光伏功率预测 2018年2月28日 【正式出版版本】 【曾经优先出版版本】
基于泄漏积分型回声状态网络的在线学习光伏功率预测
Online-learning PV Power Forecasting Based on Leaky-integrator Echo State Network 2018年2月28日 【正式出版版本】 【曾经优先出版版本】
Online-learning PV Power Forecasting Based on Leaky-integrator Echo State Network
-
摘要： - 为提高光伏功率预测结果的准确性,提出了基于泄漏积分型回声状态网络LIESN(leaky-integrator echo state network)的具有在线学习功能的预测方法.预测模型中采用泄漏积分神经元增强储备池的短期记忆能力,通过最小二乘在线学习算法增加临近时间样本对权值的影响;综合考虑预测精度与运行时间,分析了LIESN关键参数对预测性能的影响,并提出了LIESN关键参数的设定方法.实例证明,在线学习LIESN的预测精度优于BP神经网络、经典ESN及离线学习LIESN模型,测试结果的归一化均方根误差达到0.0986,验证了方法的有效性.
-
Abstract： - To enhance the accuracy of photovoltaic(PV)power forecasting,an online-learning method based on leaky-integrator echo state network(LIESN)is presented.In the forecasting model,leaky-integrator neurons are introduced to improve the short-term memory ability of the reservoir,and least square online-learning method is used to increase the influence of adjacent time samples on weights.With the comprehensive consideration of forecasting accuracy and run?ning time,the influences of key parameters of LIESN on the forecasting performance are analyzed,and a method is pro?posed to set the key parameters of LIESN.Practical examples indicate that the forecasting accuracy of online-learning LIESN was superior to those of BP neural network,plain ESN and offline-learning LIESN models,and the normalized root mean square error of the test result reached 0.0986,which verifies the validity of the proposed method.
|
|
徐正阳
路志英
刘洪
|
|---|---|
| Author： | XU Zhengyang LU Zhiying LIU Hong |
|
|
天津大学智能电网教育部重点实验室,天津,300072 |
|
|
电力系统及其自动化学报 ISTIC EI SCI PKU CSSCI |
|
|
Proceedings of the CSU-EPSA ISTIC EI SCI PKU CSSCI |
|
|
2018, 30(2) |
|
|
TM315 |
|
|
回声状态网络
泄漏积分
光伏功率预测
在线学习
|
|
|
echo state network leaky-integrator PV power forecasting online learning |
|
|
|
|
|
2018年3月20日 |
|
|
国家重大科学仪器设备开发专项资助项目，国家自然科学基金资助项目 |
返回顶部参考文献
返回顶部引证文献
返回顶部本文读者也读过
返回顶部相似文献
返回顶部相关博文
京公网安备11010802020237号