基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统的短期直接预测方法在处理高维、复杂、多变的大数据方面具有一定的局限性,较难适用大数据环境下的工程应用.针对这一问题,本文提出了一种基于降维估计方法LASSO的光伏发电功率短期时间序列预测模型.该模型利用经典最小二乘模型进行参数估计,并结合选择算子,压缩参数空间以处理高维复杂数据.根据统计学习中常见的2种正则化表达和3类稀疏结构,本文设计了6种VAR-LASSO预测模型,并给出求解这6种模型的一阶多项式时间求解方法.最后仿真实验表明本文提出的VAR-LASSO模型在预测效果上优于经典VAR-最小二乘模型.
推荐文章
基于多元宇宙优化支持向量机的短期光伏发电功率预测
光伏发电
功率预测
多元宇宙优化
SVM
惯性权值
差分进化
基于Elman神经网络模型的短期光伏发电功率预测
光伏发电
功率预测
相似日
Elman神经网络
光伏发电系统发电功率预测
光伏
功率预测
粒子群算法
核函数极限学习机
基于改进相似样本选取与特征提取的光伏发电功率预测方法
光伏发电功率预测
野值剔除与补正
优化相似样本
特征提取
广义回归神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于LASSO的光伏发电功率短期时间序列预测
来源期刊 电力科学与工程 学科 地球科学
关键词 LASSO VAR-LASSO模型 Tikhonov Ivanov 短期预测
年,卷(期) 2019,(7) 所属期刊栏目
研究方向 页码范围 13-22
页数 10页 分类号 TM73|N945.24
字数 7052字 语种 中文
DOI 10.3969/j.ISSN.1672-0792.2019.07.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵磊 上海交通大学中美物流研究院 12 37 3.0 5.0
5 朱道立 上海交通大学中美物流研究院 21 249 8.0 15.0
9 刘金裕 上海交通大学中美物流研究院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (140)
共引文献  (121)
参考文献  (13)
节点文献
引证文献  (2)
同被引文献  (19)
二级引证文献  (0)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(1)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(5)
  • 参考文献(1)
  • 二级参考文献(4)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(5)
  • 参考文献(0)
  • 二级参考文献(5)
2010(10)
  • 参考文献(0)
  • 二级参考文献(10)
2011(18)
  • 参考文献(1)
  • 二级参考文献(17)
2012(12)
  • 参考文献(0)
  • 二级参考文献(12)
2013(17)
  • 参考文献(0)
  • 二级参考文献(17)
2014(27)
  • 参考文献(0)
  • 二级参考文献(27)
2015(19)
  • 参考文献(3)
  • 二级参考文献(16)
2016(9)
  • 参考文献(6)
  • 二级参考文献(3)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
LASSO
VAR-LASSO模型
Tikhonov
Ivanov
短期预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电力科学与工程
月刊
1672-0792
13-1328/TK
大16开
河北省保定市永华北大街619号华北电力大学
18-182
1985
chi
出版文献量(篇)
3177
总下载数(次)
3
论文1v1指导