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
1
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
基于权参数优化的并行深度学习光伏功率预测
1
作者
董坤
冉鹏
+4 位作者
刘旭
樊钦洋
李政
曾庆华
李伟起
《动力工程学报》
CAS
CSCD
北大核心
2024年第1期91-98,共8页
针对不同应用场景下光伏数据波动模式差异较大时,现有的光伏发电功率预测模型存在精度及适应性不足的问题,提出了一种具有权参数自适应性的并行深度学习光伏发电功率预测框架。该框架包含2种可以并行预测的深度学习算法单元(Attention-S...
针对不同应用场景下光伏数据波动模式差异较大时,现有的光伏发电功率预测模型存在精度及适应性不足的问题,提出了一种具有权参数自适应性的并行深度学习光伏发电功率预测框架。该框架包含2种可以并行预测的深度学习算法单元(Attention-Seq2Seq单元、Transformer单元)以及一个权参数自适应优化单元。基于所提出的并行深度学习框架,对光伏发电功率进行预测,并分别与Attention-Seq2Seq、Transformer模型的预测结果进行了对比验证。结果表明:基于权参数优化的并行深度学习光伏功率预测框架弥补了不同数据波动模式下单一算法预测精度和适应性不足的问题,也可以有效解决时间序列预测中的长距离依赖问题,较单一算法预测精度更高,其平均绝对误差和均方根误差在夏季典型日最大降幅分别是41.18%和45.59%,在冬季典型日最大降幅分别是81.13%和82.86%。
展开更多
关键词
光伏发电功率预测
权参数优化
并行深度学习框架
量子粒子群
下载PDF
职称材料
题名
基于权参数优化的并行深度学习光伏功率预测
1
作者
董坤
冉鹏
刘旭
樊钦洋
李政
曾庆华
李伟起
机构
华北电力大学能源动力与机械工程学院
华北电力大学河北省低碳高效发电技术重点实验室
清华大学能源与动力工程系
国网湖南省电力有限公司电力科学研究院
天府永兴实验室
出处
《动力工程学报》
CAS
CSCD
北大核心
2024年第1期91-98,共8页
基金
国家自然科学基金资助项目(51506052)
四川省科技计划重点研发资助项目(2021ZYCD007)
云南省院士自由探索项目(202105AA160012)。
文摘
针对不同应用场景下光伏数据波动模式差异较大时,现有的光伏发电功率预测模型存在精度及适应性不足的问题,提出了一种具有权参数自适应性的并行深度学习光伏发电功率预测框架。该框架包含2种可以并行预测的深度学习算法单元(Attention-Seq2Seq单元、Transformer单元)以及一个权参数自适应优化单元。基于所提出的并行深度学习框架,对光伏发电功率进行预测,并分别与Attention-Seq2Seq、Transformer模型的预测结果进行了对比验证。结果表明:基于权参数优化的并行深度学习光伏功率预测框架弥补了不同数据波动模式下单一算法预测精度和适应性不足的问题,也可以有效解决时间序列预测中的长距离依赖问题,较单一算法预测精度更高,其平均绝对误差和均方根误差在夏季典型日最大降幅分别是41.18%和45.59%,在冬季典型日最大降幅分别是81.13%和82.86%。
关键词
光伏发电功率预测
权参数优化
并行深度学习框架
量子粒子群
Keywords
photovoltaic power prediction
weight parameter optimization
parallel deep learning framework
quantum particle swarm
分类号
TQ015.9 [化学工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于权参数优化的并行深度学习光伏功率预测
董坤
冉鹏
刘旭
樊钦洋
李政
曾庆华
李伟起
《动力工程学报》
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
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