典型文献
基于时序混合密度网络的超短期风电功率概率预测
文献摘要：
风电概率预测能够为新型电力系统安全运行提供关键的边界条件.提高预测精度是风电概率预测研究的关键问题,并且提高隐式模型的可解释性有益于人工智能模型的推广应用.因此,文中提出了时序混合密度网络,提取风电时序数据的局部矩信息作为输入通道,采用时序卷积网络提取多时间尺度的概率特征,并使用混合Beta分布构建概率预测信息.算例结果表明,局部矩通道能有效提高模型训练的收敛性,并且由时序混合密度网络提取的混合分布参数具有一定的可解释性,其预测结果相比现有模型具有更高的精度.
文献关键词：
风电功率;概率预测;混合密度网络;时序卷积网络;最大似然估计;可解释性
中图分类号：
作者姓名：
董骁翀;孙英云;蒲天骄;王新迎;李烨
作者机构：
华北电力大学电气与电子工程学院,北京市 102206;中国电力科学研究院有限公司,北京市 100192
文献出处：
引用格式：
[1]董骁翀;孙英云;蒲天骄;王新迎;李烨-.基于时序混合密度网络的超短期风电功率概率预测)[J].电力系统自动化,2022(14):93-100
A类：
B类：
混合密度网络,超短期,风电功率,概率预测,新型电力系统,电力系统安全,预测研究,隐式,可解释性,有益于,人工智能模型,取风,时序数据,矩信息,输入通,时序卷积网络,多时间尺度,概率特征,Beta,模型训练,收敛性,混合分布,分布参数,数具,现有模型,最大似然估计
AB值：
0.353357
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。
