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
基于深度学习分位数回归模型的风电功率概率密度预测 2018年9月1日 【正式出版版本】 【曾经优先出版版本】
基于深度学习分位数回归模型的风电功率概率密度预测
Wind power probability density forecasting based on deep learning quantile regression model 2018年9月1日 【正式出版版本】 【曾经优先出版版本】
Wind power probability density forecasting based on deep learning quantile regression model
-
摘要： - 针对风电功率预测问题,在现有预测方法和概率性区间预测的基础上,提出基于深度学习分位数回归的风电功率概率预测方法.该方法采用Adam随机梯度下降法在不同分位数条件下对长短期记忆神经网络(LSTM)的输入、遗忘、记忆、输出参数进行估计,得出未来200 h内各个时刻风电功率的概率密度函数.根据美国PJM网上的风电功率实际数据的仿真结果表明,所提方法不仅能得出较为精确的点预测结果,而且能够获得风电功率完整的概率密度函数预测结果.与神经网络分位数回归相比,其精度更高,且在同等置信度下的预测区间范围更小.
|
|
李彬
彭曙蓉
彭君哲
黄士峻
郑国栋
|
|---|---|
| Author： | LI Bin PENG Shurong PENG Junzhe HUANG Shijun ZHENG Guodong |
|
|
长沙理工大学电气与信息工程学院,湖南长沙,410114 |
|
|
电力自动化设备 ISTIC EI SCI PKU CSSCI |
|
|
Electric Power Automation Equipment ISTIC EI SCI PKU CSSCI |
|
|
2018, 38(9) |
|
|
TM614 |
|
|
LSTM
核密度估计
风电功率概率预测
LSTM分位数回归
概率密度分布
|
|
|
|
|
|
2018年10月19日 |
|
|
湖南省教育厅创新平台开放基金资助项目 |
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