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:
为应对多风电场超短期预测模型中输入和输出变量众多、变量间的时空关系复杂等问题,提出一种基于独立稀疏堆叠自编码器的多风电场超短期功率预测方法.该方法基于降维编码、特征预测和重构解码相结合的预测框架,首先设计了一种独立稀疏双层堆叠自编码器提取多维风电功率的空间独立特征,并将其作为预测对象分别预测,最后将特征预测的结果重构解码,获得多风电场功率的预测结果.对实际算例的验证结果表明,独立稀疏堆叠自编码器能增强提取特征的可靠性、独立性和合理性,从而有效提高多风电场超短期功率预测的精度和效率.
推荐文章
卡尔曼滤波修正的风电场短期功率预测模型
卡尔曼滤波
神经网络
功率预测
风力发电
基于深度学习网络的风电场功率短期预测研究
风电场
数值天气预报
功率预测
深度学习网
基于QPSO-LSSVM的风电场超短期功率预测
风功率预测
量子粒子群
最小二乘支持向量机
BP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 基于独立稀疏SAE的多风电场超短期功率预测
来源期刊 电力系统及其自动化学报 学科 工学
关键词 多风电场 功率预测 堆叠自编码器 稀疏性约束 独立性约束
年,卷(期) 2022,(2) 所属期刊栏目 学术论文|Theoretical Research
研究方向 页码范围 23-30
页数 8页 分类号 TM614
字数 语种 中文
DOI 10.19635/j.cnki.csu-epsa.000815
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(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
多风电场
功率预测
堆叠自编码器
稀疏性约束
独立性约束
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
电力系统及其自动化学报
月刊
1003-8930
12-1251/TM
大16开
天津市南开区天津大学电气与自动化工程学院
1989
chi
出版文献量(篇)
3958
总下载数(次)
6
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导