典型文献
基于改进贝叶斯深度学习的光伏功率概率预测
文献摘要：
光伏功率点预测方法无法对功率波动进行预测,当功率出现短时波动时预测结果将会产生较大偏差.本文基于贝叶斯深度学习网络,通过堆叠自动编码器对复杂气象因素进行特征提取和自动降维,利用一维卷积神经网络学习历史运行数据的趋势特征,以此对光伏功率两类输入特性参数进行预处理,改进贝叶斯深度网络结构.最终在某光伏电厂数据上,进行了不同置信度区间的概率预测,并与其他概率预测算法进行对比验证,从仿真结果可知本文所提方法可对功率波动做出较为准确的响应,预测效果更好.
文献关键词：
贝叶斯神经网络;结构改进;光伏功率;概率预测
中图分类号：
作者姓名：
韩坤
作者机构：
中国大唐集团科学技术研究总院有限公司,北京 100040
文献出处：
引用格式：
[1]韩坤-.基于改进贝叶斯深度学习的光伏功率概率预测)[J].现代计算机,2022(01):70-74
A类：
贝叶斯深度学习
B类：
改进贝叶斯,光伏功率,概率预测,点预测,功率波动,大偏差,深度学习网络,堆叠自动编码器,复杂气象,气象因素,一维卷积神经网络,神经网络学习,历史运行数据,趋势特征,特性参数,深度网络结构,电厂数据,置信度,预测算法,对比验证,知本,贝叶斯神经网络,结构改进
AB值：
0.340015
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
