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
NWP辅助复合神经网络预测误差修正的风储系统日前上报策略
1
作者
李翠萍
张冰
+3 位作者
李军徽
朱辉
朱星旭
何俐
《太阳能学报》
EI
CAS
CSCD
北大核心
2024年第10期86-96,共11页
新能源电站出力存在强波动性导致巨额偏差考核支出,因此基于数值天气预报(NWP)和复合深度学习算法,提出一种计及误差预测修正的风储系统日前上报策略。首先通过改进的组合数据预处理算法对数据进行清洗以降低后续预测难度,建立基于分段...
新能源电站出力存在强波动性导致巨额偏差考核支出,因此基于数值天气预报(NWP)和复合深度学习算法,提出一种计及误差预测修正的风储系统日前上报策略。首先通过改进的组合数据预处理算法对数据进行清洗以降低后续预测难度,建立基于分段式收敛粒子群算法(PCPSO)参数寻优的长短期记忆网络(LSTM)对分量分别进行预测,重构预测结果获取原预测曲线。其次考虑预测误差及NWP信息导入多输入反向传播神经网络(MIBP)获取误差预测曲线,使用非参数核密度函数修订该预测误差曲线后,以储能跟踪误差最小和储能全局调控能力最高为目的模拟储能运行获取最佳储能动作曲线,且叠加原预测曲线和最佳储能动作曲线获取最终日前上报曲线。最后通过仿真分析验证了上报策略的正确性与可行性。
展开更多
关键词
风电
深度神经网络
粒子群优化
储能
日前上报策略
预测误差特征
nwp信息
下载PDF
职称材料
基于粒子群优化极限学习机的风功率预测
被引量:
7
2
作者
赵睿智
丁云飞
《上海电机学院学报》
2019年第4期187-192,共6页
风电功率预测为电网规划提供重要的依据,研究风电功率预测方法对确保电网在安全稳定运行下接纳更多的风电具有重要的意义。针对极限学习机(ELM)回归模型预测结果受输入参数影响的问题,现将粒子群优化算法(PSO)应用于ELM中,提出了一种基...
风电功率预测为电网规划提供重要的依据,研究风电功率预测方法对确保电网在安全稳定运行下接纳更多的风电具有重要的意义。针对极限学习机(ELM)回归模型预测结果受输入参数影响的问题,现将粒子群优化算法(PSO)应用于ELM中,提出了一种基于粒子群优化极限学习机的风功率预测方法。该方法首先将数值天气预报信息(NWP)数据进行数据预处理,并构建出训练样本集,随后建立ELM模型,利用粒子群算法优化ELM中的输入权值和阈值,从而建立起基于NWP和PSO-ELM风功率预测模型。对华东地区3个不同装机容量的风场NWP数据进行实验。结果表明:该方法的预测精度高且稳定性能好,能够为风电场功率预测以及风电并网安全可靠性提供科学有效的参考依据。
展开更多
关键词
风功率预测
PSO-ELM模型
数值天气预报
信息
(
nwp
)数据
极限学习机(ELM)
下载PDF
职称材料
题名
NWP辅助复合神经网络预测误差修正的风储系统日前上报策略
1
作者
李翠萍
张冰
李军徽
朱辉
朱星旭
何俐
机构
现代电力系统仿真控制与绿色电能新技术教育部重点实验室(东北电力大学)
中国三峡新能源(集团)股份有限公司
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2024年第10期86-96,共11页
基金
吉林省自然科学基金联合基金(YDZJ202101ZYTS152)。
文摘
新能源电站出力存在强波动性导致巨额偏差考核支出,因此基于数值天气预报(NWP)和复合深度学习算法,提出一种计及误差预测修正的风储系统日前上报策略。首先通过改进的组合数据预处理算法对数据进行清洗以降低后续预测难度,建立基于分段式收敛粒子群算法(PCPSO)参数寻优的长短期记忆网络(LSTM)对分量分别进行预测,重构预测结果获取原预测曲线。其次考虑预测误差及NWP信息导入多输入反向传播神经网络(MIBP)获取误差预测曲线,使用非参数核密度函数修订该预测误差曲线后,以储能跟踪误差最小和储能全局调控能力最高为目的模拟储能运行获取最佳储能动作曲线,且叠加原预测曲线和最佳储能动作曲线获取最终日前上报曲线。最后通过仿真分析验证了上报策略的正确性与可行性。
关键词
风电
深度神经网络
粒子群优化
储能
日前上报策略
预测误差特征
nwp信息
Keywords
wind power
deep neural network
particle swarm optimization
energy storage
day-ahead reporting strategy
prediction error characteristics
nwp
information
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
基于粒子群优化极限学习机的风功率预测
被引量:
7
2
作者
赵睿智
丁云飞
机构
上海电机学院电气学院
出处
《上海电机学院学报》
2019年第4期187-192,共6页
基金
国家自然科学基金项目资助(11302123)
上海市浦江人才计划项目资助(15PJ1402500)
文摘
风电功率预测为电网规划提供重要的依据,研究风电功率预测方法对确保电网在安全稳定运行下接纳更多的风电具有重要的意义。针对极限学习机(ELM)回归模型预测结果受输入参数影响的问题,现将粒子群优化算法(PSO)应用于ELM中,提出了一种基于粒子群优化极限学习机的风功率预测方法。该方法首先将数值天气预报信息(NWP)数据进行数据预处理,并构建出训练样本集,随后建立ELM模型,利用粒子群算法优化ELM中的输入权值和阈值,从而建立起基于NWP和PSO-ELM风功率预测模型。对华东地区3个不同装机容量的风场NWP数据进行实验。结果表明:该方法的预测精度高且稳定性能好,能够为风电场功率预测以及风电并网安全可靠性提供科学有效的参考依据。
关键词
风功率预测
PSO-ELM模型
数值天气预报
信息
(
nwp
)数据
极限学习机(ELM)
Keywords
wind power prediction
PSO-ELM model
numerical weather prediction(
nwp
)data
extreme learning machine(ELM)
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
NWP辅助复合神经网络预测误差修正的风储系统日前上报策略
李翠萍
张冰
李军徽
朱辉
朱星旭
何俐
《太阳能学报》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于粒子群优化极限学习机的风功率预测
赵睿智
丁云飞
《上海电机学院学报》
2019
7
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