期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
共找到
2
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于最大互信息系数和小波分解的多模型集成短期负荷预测
被引量:
15
1
作者
张振中
郭傅傲
+1 位作者
刘大明
唐飞
《计算机应用与软件》
北大核心
2021年第5期82-87,共6页
为提高负荷预测精度,提出一种基于小波分解的多模型集成短期负荷预测方法。由最大互信息系数(MIC)选出与负荷相关性高的特征候选集;为获得平稳的负荷序列,将小波分解集成到多预测模型中;小波分解后的负荷序列由多种预测模型(最小二乘支...
为提高负荷预测精度,提出一种基于小波分解的多模型集成短期负荷预测方法。由最大互信息系数(MIC)选出与负荷相关性高的特征候选集;为获得平稳的负荷序列,将小波分解集成到多预测模型中;小波分解后的负荷序列由多种预测模型(最小二乘支持向量回归、长短期记忆循环神经网络和极限梯度提升树)进行训练,这些模型在同一小时内提供不同的预测;在集成过程中采用二次学习来组合各时段预测结果并得到最终输出。真实电网数据实验对比结果表明,该方法具有更高的泛化能力和预测精度。
展开更多
关键词
最大互信息系数
小波变换
多预测模型
二次学习
短期负荷
预测
下载PDF
职称材料
基于异构图学习的新能源出力预测模型推理方法
2
作者
杨家俊
邓星
+3 位作者
朱克东
吴毓峰
余涛
董崇武
《电力建设》
CSCD
北大核心
2023年第8期41-51,共11页
双碳目标背景下,具有区域特征和性能特点的新能源出力预测模型层出不穷,如何甄别利用当前存在的海量预测模型是当前实际应用中预测人员关注的问题。因此,提出了基于异构图学习的新能源出力预测模型推理方法,将新能源出力预测分为基础模...
双碳目标背景下,具有区域特征和性能特点的新能源出力预测模型层出不穷,如何甄别利用当前存在的海量预测模型是当前实际应用中预测人员关注的问题。因此,提出了基于异构图学习的新能源出力预测模型推理方法,将新能源出力预测分为基础模型层和模型推理层。在基础模型层中,基于不同区域特征数据集对具有不同特点的预测模型进行训练。而在模型推理层,设计了“输入信息节点-输入边-模型节点-潜在联系边-预测结果”的异构图表示方法以完成异构信息的融合,并通过异构图注意力网络实现最优模型推理,从而获得精准的新能源预测结果。以中国西南某省风电场为算例对所提方法进行验证,结果表明所提方法风电预测误差低于9%,且直接迁移于无数据新建场站上的预测表现优于其他方法。
展开更多
关键词
新能源出力
预测
异构图学习
模型
推理
多预测模型
信息融合
原文传递
题名
基于最大互信息系数和小波分解的多模型集成短期负荷预测
被引量:
15
1
作者
张振中
郭傅傲
刘大明
唐飞
机构
天水电气传动研究所集团有限公司
大型电气传动系统与装备技术国家重点实验室
上海电力大学计算机科学与技术学院
出处
《计算机应用与软件》
北大核心
2021年第5期82-87,共6页
文摘
为提高负荷预测精度,提出一种基于小波分解的多模型集成短期负荷预测方法。由最大互信息系数(MIC)选出与负荷相关性高的特征候选集;为获得平稳的负荷序列,将小波分解集成到多预测模型中;小波分解后的负荷序列由多种预测模型(最小二乘支持向量回归、长短期记忆循环神经网络和极限梯度提升树)进行训练,这些模型在同一小时内提供不同的预测;在集成过程中采用二次学习来组合各时段预测结果并得到最终输出。真实电网数据实验对比结果表明,该方法具有更高的泛化能力和预测精度。
关键词
最大互信息系数
小波变换
多预测模型
二次学习
短期负荷
预测
Keywords
Maximum mutual information coefficient
Wavelet transform
Multiple prediction model
Second learning Short-term load forecasting
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于异构图学习的新能源出力预测模型推理方法
2
作者
杨家俊
邓星
朱克东
吴毓峰
余涛
董崇武
机构
华南理工大学电力学院
国网江苏省电力有限公司南京供电分公司
中国电力科学研究院有限公司(南京)
出处
《电力建设》
CSCD
北大核心
2023年第8期41-51,共11页
基金
国家自然科学基金项目(52207105)
计及分布式资源的母线节点聚合建模与短期负荷预测技术研究项目(5108-202218038A-1-1-ZN)。
文摘
双碳目标背景下,具有区域特征和性能特点的新能源出力预测模型层出不穷,如何甄别利用当前存在的海量预测模型是当前实际应用中预测人员关注的问题。因此,提出了基于异构图学习的新能源出力预测模型推理方法,将新能源出力预测分为基础模型层和模型推理层。在基础模型层中,基于不同区域特征数据集对具有不同特点的预测模型进行训练。而在模型推理层,设计了“输入信息节点-输入边-模型节点-潜在联系边-预测结果”的异构图表示方法以完成异构信息的融合,并通过异构图注意力网络实现最优模型推理,从而获得精准的新能源预测结果。以中国西南某省风电场为算例对所提方法进行验证,结果表明所提方法风电预测误差低于9%,且直接迁移于无数据新建场站上的预测表现优于其他方法。
关键词
新能源出力
预测
异构图学习
模型
推理
多预测模型
信息融合
Keywords
new energy power prediction
heterogeneous graph learning
model inference
multiple prediction model
information fusion
分类号
TM743 [电气工程—电力系统及自动化]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于最大互信息系数和小波分解的多模型集成短期负荷预测
张振中
郭傅傲
刘大明
唐飞
《计算机应用与软件》
北大核心
2021
15
下载PDF
职称材料
2
基于异构图学习的新能源出力预测模型推理方法
杨家俊
邓星
朱克东
吴毓峰
余涛
董崇武
《电力建设》
CSCD
北大核心
2023
0
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部