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

首页> 中文期刊> 《电力自动化设备》 >基于深度学习分位数回归模型的风电功率概率密度预测

基于深度学习分位数回归模型的风电功率概率密度预测

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

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.

著录项

来源
《电力自动化设备》 |2018年第9期|15-20|共6页
作者
李彬; 彭曙蓉; 彭君哲; 黄士峻; 郑国栋;
展开▼
作者单位

长沙理工大学电气与信息工程学院,湖南长沙410114;

长沙理工大学电气与信息工程学院,湖南长沙410114;

长沙理工大学电气与信息工程学院,湖南长沙410114;

长沙理工大学电气与信息工程学院,湖南长沙410114;

长沙理工大学电气与信息工程学院,湖南长沙410114;

展开▼
原文格式 PDF
正文语种 chi
中图分类风能发电;
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;

相似文献

中文文献
外文文献
专利

1. 基于EWT和分位数回归森林的短期风电功率概率密度预测 [J] . 孙国强 ,梁智 ,俞娜燕 . 电力自动化设备 . 2018,第008期
2. 证券投资基金收益概率密度预测--基于神经网络分位数回归模型 [J] . 阮素梅 ,于宁 . 华东经济管理 . 2015,第002期
3. 基于深度学习分位数回归模型的充电桩负荷预测 [J] . 彭曙蓉 ,黄士峻 ,李彬 . 电力系统保护与控制 . 2020,第002期
4. 基于神经网络分位数回归的人民币汇率概率密度预测 [J] . 李艳萍 ,赵冬 ,陈士俊 . 阜阳师范学院学报（自然科学版） . 2021,第004期
5. 基于神经网络分位数回归的人民币汇率概率密度预测 [J] . 李艳萍 ,赵冬 ,陈士俊 . 阜阳师范大学学报：自然科学版 . 2021,第004期
6. 基于多组NWP与深度学习的风电功率预测 [C] . YAN Jie ,阎洁 ,ZHANG Hao . 2016年中国电机工程学会年会 . 2016
7. 基于EMD、误差修正与自助分位数回归的风电功率概率密度预测方法 [A] . 李路遥 . 2020

基于深度学习分位数回归模型的风电功率概率密度预测

摘要

著录项

相似文献

相关主题

期刊订阅