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LSTM分位数回归的零碳能源系统不确定性规划方法研究
被引量:
1
1
作者
任洪波
吴琼
+4 位作者
王相宇
李琦芬
何维国
王威
罗潇
《上海电力大学学报》
CAS
2023年第2期149-157,共9页
零碳能源系统是建设清洁低碳能源体系、促进碳中和目标达成的有效途径。但风、光等可再生能源发电的间歇性和波动性给零碳能源系统的合理规划与科学配置带来巨大挑战。基于此,提出了基于长短期记忆网络(LSTM)分位数回归的零碳能源系统...
零碳能源系统是建设清洁低碳能源体系、促进碳中和目标达成的有效途径。但风、光等可再生能源发电的间歇性和波动性给零碳能源系统的合理规划与科学配置带来巨大挑战。基于此,提出了基于长短期记忆网络(LSTM)分位数回归的零碳能源系统不确定性规划方法。首先,构建了零碳能源系统的物理结构,并对系统内典型设备进行建模;其次,基于区间数理论思想,构建了基于LSTM分位数回归的光伏发电区间预测模型;然后,以系统年总经济成本最小为目标函数,构建了可实现设备配置与运行策略协同优化的混合整数线性规划模型;最后,通过典型算例分析,验证了所提模型应对零碳能源系统不确定性规划的可行性。
展开更多
关键词
零碳能源系统
不确定性
lstm分位数回归
优化规划
下载PDF
职称材料
基于深度学习分位数回归模型的风电功率概率密度预测
被引量:
39
2
作者
李彬
彭曙蓉
+2 位作者
彭君哲
黄士峻
郑国栋
《电力自动化设备》
EI
CSCD
北大核心
2018年第9期15-20,共6页
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...
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。
展开更多
关键词
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
下载PDF
职称材料
题名
基于LSTM分位数回归的零碳能源系统不确定性规划方法研究
被引量:
1
1
作者
任洪波
吴琼
王相宇
李琦芬
何维国
王威
罗潇
机构
上海电力大学能源与机械工程学院
国网上海市电力公司浦东供电公司
出处
《上海电力大学学报》
CAS
2023年第2期149-157,共9页
基金
国家电网有限公司科技项目(5100-202117568A-0-5-SF)。
文摘
零碳能源系统是建设清洁低碳能源体系、促进碳中和目标达成的有效途径。但风、光等可再生能源发电的间歇性和波动性给零碳能源系统的合理规划与科学配置带来巨大挑战。基于此,提出了基于长短期记忆网络(LSTM)分位数回归的零碳能源系统不确定性规划方法。首先,构建了零碳能源系统的物理结构,并对系统内典型设备进行建模;其次,基于区间数理论思想,构建了基于LSTM分位数回归的光伏发电区间预测模型;然后,以系统年总经济成本最小为目标函数,构建了可实现设备配置与运行策略协同优化的混合整数线性规划模型;最后,通过典型算例分析,验证了所提模型应对零碳能源系统不确定性规划的可行性。
关键词
零碳能源系统
不确定性
lstm分位数回归
优化规划
Keywords
zero-carbon energy system
uncertainty
lstm
quantile regression
optimal planning
分类号
TK019 [动力工程及工程热物理]
下载PDF
职称材料
题名
基于深度学习分位数回归模型的风电功率概率密度预测
被引量:
39
2
作者
李彬
彭曙蓉
彭君哲
黄士峻
郑国栋
机构
长沙理工大学电气与信息工程学院
出处
《电力自动化设备》
EI
CSCD
北大核心
2018年第9期15-20,共6页
基金
湖南省教育厅创新平台开放基金资助项目(17K001)~~
文摘
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。
关键词
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
Keywords
lstm
nuclear density estimation
wind power probability prediction
lstm
quantile regression
proba-bility density distribution
分类号
TM614 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于LSTM分位数回归的零碳能源系统不确定性规划方法研究
任洪波
吴琼
王相宇
李琦芬
何维国
王威
罗潇
《上海电力大学学报》
CAS
2023
1
下载PDF
职称材料
2
基于深度学习分位数回归模型的风电功率概率密度预测
李彬
彭曙蓉
彭君哲
黄士峻
郑国栋
《电力自动化设备》
EI
CSCD
北大核心
2018
39
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