-
公开(公告)号：CN110555566B
公开(公告)日：2021-02-05
申请号：CN201910852925.1
申请日：2019-09-10
申请人： 合肥工业大学
摘要： 本发明公开了一种基于B样条分位数回归的光电概率密度预测方法，其步骤包括：1采集光电数据，对其进行归一化处理，并且把历史光电数据划分为训练集和测试集；2构建B样条分位数模型，并利用训练集数据计算B样条分位数回归模型的参数；3将测试集数据代入B样条分位数模型中得到不同分位点下的预测值，并运用核密度估计实现光电概率密度预测。本发明能提高光伏发电的预测精度，全面度量预测结果的不确定性，从而为光伏发电安全稳定的并入电网提供了可靠的依据。
-
公开(公告)号：CN110264006A
公开(公告)日：2019-09-20
申请号：CN201910541439.8
申请日：2019-06-21
申请人： 合肥工业大学
摘要： 本发明公开了一种基于混沌萤火虫算法和贝叶斯网络的风电功率概率性预测方法，其步骤包括：1获取风速、风向、气温和风电实际功率数据，对数据进行预处理，选取训练集和测试集数据；2对风电功率原始数据进行经验模态分解，使风电功率时间序列更加平稳；3构建贝叶斯网络模型，得到初始预测区间；4计算区间变化幅值范围，运用混沌萤火虫算法得到最优区间变化幅值；5在最优区间变化幅值附近进行混沌搜索，得到最终预测区间。本发明能通过构造预测区间测量风电功率的不确定性，从而能为电力调度决策提供有效参考。
-
公开(公告)号：CN110264006B
公开(公告)日：2021-01-15
申请号：CN201910541439.8
申请日：2019-06-21
申请人： 合肥工业大学
摘要： 本发明公开了一种基于混沌萤火虫算法和贝叶斯网络的风电功率概率性预测方法，其步骤包括：1获取风速、风向、气温和风电实际功率数据，对数据进行预处理，选取训练集和测试集数据；2对风电功率原始数据进行经验模态分解，使风电功率时间序列更加平稳；3构建贝叶斯网络模型，得到初始预测区间；4计算区间变化幅值范围，运用混沌萤火虫算法得到最优区间变化幅值；5在最优区间变化幅值附近进行混沌搜索，得到最终预测区间。本发明能通过构造预测区间测量风电功率的不确定性，从而能为电力调度决策提供有效参考。
-
公开(公告)号：CN110555566A
公开(公告)日：2019-12-10
申请号：CN201910852925.1
申请日：2019-09-10
申请人： 合肥工业大学
摘要： 本发明公开了一种基于B样条分位数回归的光电概率密度预测方法，其步骤包括：1采集光电数据，对其进行归一化处理，并且把历史光电数据划分为训练集和测试集；2构建B样条分位数模型，并利用训练集数据计算B样条分位数回归模型的参数；3将测试集数据代入B样条分位数模型中得到不同分位点下的预测值，并运用核密度估计实现光电概率密度预测。本发明能提高光伏发电的预测精度，全面度量预测结果的不确定性，从而为光伏发电安全稳定的并入电网提供了可靠的依据。
-
-
-
搜索结果
4 条记录 (耗时 0.02 秒)
