《使用混合密度神经网络集合对短期风速和功率进行预测》

  • 来源专题:可再生能源
  • 编译者: 董璐
  • 发布时间:2015-11-12
  •         混合物密度神经网络的集合作用可用于短期风速和功率的预测。从数字天气预测模型获得的预测风速被用作该混合物密度网络的输入数据,而其输出是混合物密度参数(用于表示不确定输出或目标变量的概率密度函数)。在一集合中的所有混合物密度神经网络被设定为隐藏层中具有不同数量节点的三层结构。由于采用混合的高斯分布来逼近目标随机变量(风速或风力涡轮机功率)条件分布,模型结构与模型输出所产生的不确定性将可完全量化。因此,这些预测中来源的不确定性将在严格置信区间反映,并用于评估预测的风速和风力涡轮机功率性能。此应用结果表明,所提出的方法可很好地用于多步向前风速与功率预测。

相关报告
  • 《基于深度学习神经网络的光伏短期功率预测》

    • 来源专题:可再生能源
    • 编译者:pengh
    • 发布时间:2021-03-27
    • 对光伏电量进行准确的短期预测是微电网智能能源管理系统控制和设计的必要条件。在这篇文章中,不同种类的深度学习神经网络(DLNN)短期输出光伏功率预测发达和比较:长期短期记忆(LSTM),双向LSTM (BiLSTM),封闭的复发性单元(格勒乌),双向格勒乌(BiGRU)一维卷积神经网络(CNN1D),以及其他如CNN1D-LSTM和CNN1D-GRU混合配置。在意大利的里雅斯特大学安装的微电网的光伏发电数据库被用来训练和比较测试神经网络。在四种不同的时间范围内(1分钟、5分钟、30分钟和60分钟),对一步和多步进行了性能评估。结果表明,调查DLNNs提供很好的精度,尤其是在1分钟时间范围的情况下,提前一步(相关系数接近于1),而对于多步骤的情况下提前(提前8步骤),结果发现是可以接受的(相关系数范围在96.9%到98%之间)。
  • 《使用经验模式分解和特征选择进行短期风速预测》

    • 来源专题:可再生能源
    • 编译者:董璐
    • 发布时间:2016-06-16
    • 由于风速度时间序列的非线性、 非平稳特性,通常很难由单一预测模型对这种序列进行建模和预测。在本文中,为了进行短期风速预测,提出了两种新型的混合动力模型,这两种模型结合经验模态分解 (EMD),人工神经网络 (ANN) 的特征选择以及支持向量机 (SVM)。首先,原始风速度时间序列被EMD分解成一套子系列。接着,由所有子系列和原始系列构成初始特征 (输入变量) 和目标。然后,为了构造相关的、翔实的功能,引入了一种特征选择过程。最后,使用这些选定的功能,建立了预测模型 (ANN或SVM)。用从三个中国的风力场中记录得到的真实数据集对所提出的模型的有效性进行评估。实验结果表明,与单一神经网络、 支持向量机、 传统的基于 EMD 的ANN和传统的基于 支持向量机的EMD 相比,所提出的模型有令人满意的性能,它适合风速预测。