首页|考虑训练样本分布不均衡的超短期风电功率概率预测

考虑训练样本分布不均衡的超短期风电功率概率预测

扫码查看
原文链接
  • 万方数据
  • 维普
提出一种考虑训练样本分布不均衡的超短期风电概率预测方法.首先构建深度信念混合密度网络,通过深度信念网络独特的预训练和微调机制提取输入变量的隐特征,利用Beta混合概率分布的有界性准确表征风电预测功率的概率分布,实现隐特征与预测功率概率分布参数之间的非线性映射;然后引入训练样本分布平滑策略,其中特征分布平滑技术用于校准输入特征,标签分布平滑技术用于对各样本误差赋予差异化权重,从输入和输出两方面改善训练样本分布不均衡现象对预测结果的不利影响.实际算例结果表明,与常见风电功率概率预测模型相比,所提模型在点预测和概率预测方面均能获得较高的预测精度,尤其能有效提高低密度样本区域的预测精度.
Probability Prediction of Ultra-short-term Wind Power Considering Unbalanced Distribution of Training Samples

wind power probability predictiondeep belief networkmixed density networkunbalanced distribution of training samplesfeature distribution smoothinglabel distribution smoothing

李丹、方泽仁、缪书唯、胡越、梁云嫣、贺帅

展开 >

三峡大学电气与新能源学院,湖北省宜昌市 443002

梯级水电站运行与控制湖北省重点实验室,湖北省宜昌市 443002

新能源微电网湖北省协同创新中心,湖北省宜昌市 443002

风电功率概率预测 深度信念网络 混合密度网络 训练样本分布不均衡 特征分布平滑 标签分布平滑

国家自然科学基金

51807109

2024

10.13335/j.1000-3673.pst.2023.1303

电网技术
国家电网公司

电网技术

CSTPCD北大核心
影响因子：2.821
ISSN：1000-3673
年,卷(期)：2024.48(3)
  • 29