文献知网节
  • 记笔记
摘要:为了应对智能电网时代用电需求的活跃性、不稳定性,提出了一种基于卷积神经网络(convolutional neural network,CNN)结合分位数回归轻量梯度提升机的短期负荷概率密度预测方法。首先通过建立Copula模型分析变量之间的相关性、采用CNN进行特征提取;其次通过树状结构Parzen估计方法对回归预测模型进行超参数调优;然后用调优后的模型在不同分位点上进行预测,将预测结果进行核密度估计得到概率密度函数。最后在美国新英格兰地区缅因州数据集上进行仿真验证,结果表明所提方法可更好地量化短期负荷概率密度预测。
  • DOI:

    10.13335/j.1000-3673.pst.2019.2243

  • 专辑:

    理工C(机电航空交通水利建筑能源); 电子技术及信息科学

  • 专题:

    电力工业; 自动化技术

  • 分类号:

    TM715;TP183

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:353 页码:3409-3416 页数:8 大小:799K

相关推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者
  • 相关视频