文档名：基于时变深度前馈神经网络的风电功率概率密度预测
摘要：针对传统循环神经网络(RNN)和卷积神经网络(CNN)模型对风电功率进行较长时间尺度的短期预测时出现的时不变性问题,应用时变深度前馈神经网络(ForecastNet)模型进行短期风电功率不确定性预测.该模型的网络结构随时间变化以提高多步提前预测能力,模型交错输出以缓解梯度消失问题,使用混合密度网络得到各个时刻的概率密度分布.在避免传统深度学习模型中,该模型能避免递归多步预测累积误差的同时可以充分考虑相邻时刻风电功率的相关性;在模型隐藏层中,使用美国PJM网上的风电功率实际数据,分别应用全连接网络、卷积网络以及基于注意力机制的卷积网络3种神经网络模型进行预测,每次预测未来12h的风电功率,滚动预测得到未来500h的风电功率区间和概率密度,实验仿真结果能够证明所提预测模型的有效性.
作者：彭曙蓉 彭家宜 杨云皓 张恒 李彬 王冠南 Author：PENGShurong PENGJiayi YANGYunhao ZHANGHeng LIBin WANGGuannan
作者单位：长沙理工大学电气与信息工程学院,湖南长沙410114浙江大学计算机科学与技术学院,浙江杭州310058国网江西省电力有限公司电力科学研究院,江西南昌330006
刊名：电力科学与技术学报 ISTICPKU
Journal：JournalofElectricPowerScienceandTechnology
年，卷(期)：2023, 38(3)
分类号：TM61
关键词：神经网络 风电概率预测 时变深度前馈神经网络 概率密度 风电功率区间预测
Keywords：neuralnetwork windpowerprobabilityprediction time-variantdeepfeed-forwardneuralnetwork probabilitydensity intervalpredictionofwindpower
机标分类号：TM715TM614TP391.41
在线出版日期：2023年9月25日
基金项目：湖南省教育厅重点项目，国家自然科学基金基于时变深度前馈神经网络的风电功率概率密度预测[
期刊论文] 电力科学与技术学报--2023, 38(3)彭曙蓉 彭家宜 杨云皓 张恒 李彬 王冠南针对传统循环神经网络(RNN)和卷积神经网络(CNN)模型对风电功率进行较长时间尺度的短期预测时出现的时不变性问题,应用时变深度前馈神经网络(ForecastNet)模型进行短期风电功率不确定性预测.该模型的网络结构随时间变化...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于时变深度前馈神经网络的风电功率概率密度预测 Wind power probability density prediction based on time-variant deep feed-forward neural network
基于时变深度前馈神经网络的风电功率概率密度预测.pdf
- 文件大小:
- 1.58 MB
- 下载次数:
- 60
-
高速下载
|
