钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
动力工程期刊
\
可再生能源期刊
\
基于BiLSTM和Bootstrap方法的风电功率区间预测
基于BiLSTM和Bootstrap方法的风电功率区间预测
作者:
俞志程
吴海东
张宁
李蕊
薛阳
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
风电功率
区间预测
双向长短期记忆神经网络
自助法
人工蜂群算法
摘要:
风能具有较强的波动性和随机性,造成了现有风电功率预测方法的误差较大,严重影响了电力系统的安全稳定性.针对上述问题,文章提出一种基于双向长短期记忆网络(BiLSTM)和自助法(Bootstrap)的风电功率区间预测方法.该方法强调了风电功率数据间关联程度的重要性,将原始风电功率数据和测风塔提供的风速历史数据构成多变量时间序列,同时构建双向长短期记忆网络模型提高预测结果的精确度.引入Bootstrap方法增加样本的多样性,再利用人工蜂群算法(ABC)的强搜索能力对模型的超参数进行优化,最终得到区间预测的结果.以某风电场历史运行数据为例,通过与长短期记忆网络(LSTM)等现有方法在给定置信水平下的预测结果进行对比,验证了所提方法的有效性.
暂无资源
收藏
引用
分享
推荐文章
基于ARMA的风电功率预测
风力发电
ARMA
风电功率预测
风电机组
基于自回归滑动平均模型的风电功率预测
风电功率
自回归滑动平均模型
风电预测
基于风速融合和NARX神经网络的短期风电功率预测
短期风电功率预测
预测模型
NARX神经网络
风速融合
数据融合
数据处理
基于思维进化算法的风电功率预测研究
思维进化算法
风电功率
预测模型
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
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BiLSTM和Bootstrap方法的风电功率区间预测
来源期刊
可再生能源
学科
工学
关键词
风电功率
区间预测
双向长短期记忆神经网络
自助法
人工蜂群算法
年,卷(期)
2020,(8)
所属期刊栏目
研究方向
页码范围
1059-1064
页数
6页
分类号
TK81
字数
4716字
语种
中文
DOI
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
薛阳
上海电力大学自动化工程学院
69
643
11.0
23.0
2
吴海东
上海电力大学自动化工程学院
4
1
1.0
1.0
3
张宁
上海电力大学自动化工程学院
9
14
2.0
3.0
4
俞志程
上海电力大学自动化工程学院
4
1
1.0
1.0
5
李蕊
上海电力大学自动化工程学院
2
0
0.0
0.0
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(186)
共引文献
(46)
参考文献
(11)
节点文献
引证文献
(0)
同被引文献
(0)
二级引证文献
(0)
1969(1)
参考文献(0)
二级参考文献(1)
2000(2)
参考文献(0)
二级参考文献(2)
2001(1)
参考文献(0)
二级参考文献(1)
2004(1)
参考文献(0)
二级参考文献(1)
2005(4)
参考文献(1)
二级参考文献(3)
2006(2)
参考文献(0)
二级参考文献(2)
2007(5)
参考文献(1)
二级参考文献(4)
2008(4)
参考文献(0)
二级参考文献(4)
2009(9)
参考文献(1)
二级参考文献(8)
2010(9)
参考文献(0)
二级参考文献(9)
2011(20)
参考文献(0)
二级参考文献(20)
2012(20)
参考文献(0)
二级参考文献(20)
2013(19)
参考文献(0)
二级参考文献(19)
2014(42)
参考文献(0)
二级参考文献(42)
2015(24)
参考文献(1)
二级参考文献(23)
2016(14)
参考文献(1)
二级参考文献(13)
2017(13)
参考文献(2)
二级参考文献(11)
2018(4)
参考文献(1)
二级参考文献(3)
2019(3)
参考文献(3)
二级参考文献(0)
2020(0)
参考文献(0)
二级参考文献(0)
引证文献(0)
二级引证文献(0)
研究主题发展历程
节点文献
风电功率
区间预测
双向长短期记忆神经网络
自助法
人工蜂群算法
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
可再生能源
主办单位:
辽宁省能源研究所
出版周期:
月刊
ISSN:
1671-5292
CN:
21-1469/TK
开本:
大16开
出版地:
辽宁省营口市西市区银泉街65号
邮发代号:
8-61
创刊时间:
1983
语种:
chi
出版文献量(篇)
4935
总下载数(次)
14
总被引数(次)
41118
期刊文献
相关文献
1.
基于ARMA的风电功率预测
2.
基于自回归滑动平均模型的风电功率预测
3.
基于风速融合和NARX神经网络的短期风电功率预测
4.
基于思维进化算法的风电功率预测研究
5.
基于LS-SVM和核密度估计的概率性风电功率预测
6.
风电发电功率预测模型改进研究
7.
基于CS-SVR模型的短期风电功率预测
8.
基于游程判别法和VMD残差修正的风电功率预测
9.
基于模糊聚类分析的风电功率预测研究
10.
基于动态集成LSSVR的超短期风电功率预测
11.
基于EEMD-IGSA-LSSVM的超短期风电功率预测?
12.
基于风速数值预报的两种风电功率预测方法
13.
基于失真数据降噪的数据预处理方法及其在风电功率预测中的应用
14.
一种考虑时空分布特性的区域风电功率预测方法
15.
韭菜坪风电功率预报方法研究及评估
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
可再生能源2022
可再生能源2021
可再生能源2020
可再生能源2019
可再生能源2018
可再生能源2017
可再生能源2016
可再生能源2015
可再生能源2014
可再生能源2013
可再生能源2012
可再生能源2011
可再生能源2010
可再生能源2009
可再生能源2008
可再生能源2007
可再生能源2006
可再生能源2005
可再生能源2004
可再生能源2003
可再生能源2002
可再生能源2001
可再生能源2000
可再生能源2020年第9期
可再生能源2020年第8期
可再生能源2020年第7期
可再生能源2020年第6期
可再生能源2020年第5期
可再生能源2020年第4期
可再生能源2020年第3期
可再生能源2020年第2期
可再生能源2020年第12期
可再生能源2020年第11期
可再生能源2020年第10期
可再生能源2020年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号