基于CEEMDAN SE和DBN南网发电侧燃料量预测研究

卢伟辉; 赵玉柱; 李鹏; 刘兴辉; 张中林

首页> 中文期刊> 《南京工程学院学报（自然科学版）》 >基于CEEMDAN SE和DBN南网发电侧燃料量预测研究

基于CEEMDAN SE和DBN南网发电侧燃料量预测研究

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

基于发电侧燃料量大数据建立南方电网发电侧燃料量预测模型.为提高预测精度,提出一种基于噪声自适应完全集合经验模态分解样本熵(CEEMDAN SE)和深度信念网络的发电侧煤电燃料量预测模型.利用CEEMDAN SE方法,将原始燃料量信号序列分解为多个特征互异的子序列,计算各个子序列的样本熵值,根据熵值将子序列重组简化,提高预测精度、减小计算规模;重组后的序列分别构建深度信念网络预测模型,叠加得到最终预测模型.利用该预测模型对南方电网2020年发电侧煤电燃料量数据进行预测,通过与实际值比较,表明该组合预测模型具有较高的预测精度,为预测发电侧燃煤库存提供了有效手段,进一步提高了电网安全性.

著录项

来源
《南京工程学院学报（自然科学版）》 |2022年第2期|79-84|共6页
作者
卢伟辉; 赵玉柱; 李鹏; 刘兴辉; 张中林;
展开▼
作者单位

中国南方电网有限责任公司调度控制中心;

南京华盾电力信息安全测评有限公司;

南京工程学院能源与动力工程学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类锅炉及燃烧系统;
关键词
燃料; 管理; CEEMDAN; 样本熵; 预测;

相似文献

中文文献
外文文献
专利

1. 基于CEEMDAN-SE和DBN的短期电力负荷预测 [J] . 岳有军 ,刘英翰 ,赵辉 . 电测与仪表 . 2020,第017期
2. 基于CEEMDAN—DBN的风向预测研究 [J] . 王晓岚 ,林宪平 . 电力系统装备 . 2022,第7期
3. 基于PSO-DBN神经网络的光伏短期发电出力预测 [J] . 李正明 ,梁彩霞 ,王满商 . 电力系统保护与控制 . 2020,第008期
4. 基于改进的Semi Boost天气聚类的CC-PSO-DBN短期光伏发电预测 [J] . 孙辉 ,冷建伟 . 计算机应用与软件 . 2020,第008期
5. 利用SVM-LSTM-DBN的短期光伏发电预测方法 [J] . 卿会 ,郭军红 ,李薇 . 华侨大学学报:自然科学版 . 2022,第3期
6. 基于CEEMDAN分解的北京市电力消费预测研究 [C] . WANG Shu-ping ,王书平 ,WEI Xiao-meng . 第十九届中国管理科学学术年会 . -1
7. 基于EEMD--SE--SA--DBN模型的短期电力负荷预测研究 [A] . 刘东 . 2021

基于CEEMDAN SE和DBN南网发电侧燃料量预测研究

摘要

著录项

相似文献

相关主题

期刊订阅