梁智
- 作品数：19 被引量：181H指数：5
- 供职机构：河海大学更多>>
- 发文基金：国家自然科学基金江苏省电力公司科技项目国家电网公司科技项目更多>>
- 相关领域：电气工程文化科学自动化与计算机技术动力工程及工程热物理更多>>
- 一种高斯过程回归和粒子滤波的短期风速预测方法
- 本发明公开了一种高斯过程回归和粒子滤波的短期风速预测方法，实现对异常值的在线动态检测与修正并提高了风速预测精度。首先，采用偏自相关函数确定与待预测时刻风速值相关性最大的输入变量集合，确定状态向量并构建合适的训练样本集合，...
- 孙国强梁智卫志农臧海祥周亦洲陈霜
- 基于EWT和分位数回归森林的短期风电功率概率密度预测被引量：20
- 2018年
- 概率密度预测能够给出未来风电功率可能的波动范围、预测值出现的概率及不确定性等更多信息,提出基于经验小波变换(EWT)和分位数回归森林的短期风电功率概率密度组合预测模型。首先,采用新型自适应信号处理方法——经验小波变换,将原始风电功率序列分解为一系列频率特征互异的经验模式;然后,对每一经验模式序列分别构建分位数回归森林预测模型,得到任意分位点条件下的预测结果,通过叠加不同经验模式预测结果获得最终的短期风电功率预测值;最后,对预测值条件分布采用核密度估计获得任意时刻概率密度预测。仿真结果验证了所提模型的有效性。
- 孙国强梁智俞娜燕倪晓宇卫志农臧海祥周亦洲
- 关键词：核密度估计概率密度短期风电功率预测
- 一种基于核主成分分析和随机森林的短期负荷预测方法
- 本发明公开了一种基于核主成分分析与随机森林的短期负荷预测方法，包括如下步骤：(1)分析和选取运行的电力系统中影响待预测日负荷预测精度的数据，初步构造训练、预测样本集；(2)采用核主成分分析对训练样本数据进行降维；(3)采...
- 孙永辉范磊卫志农孙国强臧海祥朱瑛陈通梁智郭勉宗文婷
- 文献传递
- 基于变分模态分解和相关向量机的风功率区间短期预测方法
- 本发明公开了一种基于变分模态分解与相关向量机的风功率区间短期预测方法，该方法包含，首先对风功率序列进行变分模态分解，获得多个具有不同中心频率的分量；然后对各分量采用相关向量机算法分别建立区间预测模型；最后将各分量的预测结...
- 孙永辉范磊卫志农孙国强臧海祥陈通王越陈悦梁智
- 文献传递
- 基于EEMD-RVM的短期风功率区间预测被引量：4
- 2016年
- 针对现有风功率预测方法多为确定性的点预测,无法描述风功率的随机性的问题,建立了基于集合经验模态分解和相关向量机的短期风功率区间预测模型。首先对原始风功率序列进行集合经验模态分解,获得一个剩余分量及多个具有不同特性的固有模态分量;然后对各分量采用相关向量机算法分别建立区间预测模型;最后将各分量的预测结果进行叠加得到一定置信水平下的区间预测结果。仿真结果表明,所提的区间预测方法具有较高的预测精度和较窄区间宽度,区间覆盖率较高。
- 范磊王越梁智戴丽媛
- 关键词：区间预测相关向量机混合核函数
- 一种基于深层卷积神经网络的光伏功率预测方法
- 本发明公开了一种基于深层卷积神经网络的光伏功率预测方法，包括：利用变分模态分解算法对获取的历史光伏功率序列进行模态分解，将其分解为若干个频率分量和一个余项分量；分别排列成二维格式数据；将二维格式的频率分量作为多通道深层卷...
- 臧海祥程礼临梁智王苗苗卫志农孙国强
- 文献传递
- 基于高斯过程回归和粒子滤波的短期风速预测被引量：8
- 2020年
- 建立高斯过程回归和粒子滤波相结合的短期风速预测模型,实现对历史风速序列异常值的在线动态检测与修正。首先,在训练样本集中通过高斯过程回归建立状态空间方程,采用粒子滤波算法对当前量测值进行状态估计,对估计值和量测值的残差进行分析,并根据"3σ"原则判断异常值。其次,修正异常值,并对修正后的风速序列重新建立高斯过程回归预测模型。在进行提前15分钟风速预测时,同样采用粒子滤波算法对最新量测值进行状态估计,实现了异常值在线检测并修正。算例分析结果表明,粒子滤波算法能够有效检测出异常风速值,降低了风速预测误差,提前15分钟风速预测时平均绝对百分比误差和均方根误差分别降至8.92%和0.5826 m/s。
- 梁智孙国强俞娜燕倪晓宇沈海平卫志农
- 关键词：粒子滤波短期风速预测
- 基于PCA和分位数回归森林的短期负荷概率密度预测方法
- 本发明公开一种基于PCA和分位数回归森林的短期负荷概率密度预测方法，包括以下步骤：1)收集电力系统短期负荷预测所需的基本数据，如负荷历史数据，温度、湿度等气象信息，日期类型等；2)从影响因素中选取相关性较强的输入变量，并...
- 孙国强梁智卫志农臧海祥
- 文献传递
- EWT分位数回归森林的短期风电功率概率密度预测方法
- 本发明公开一种EWT分位数回归森林的短期风电功率概率密度预测方法，包括以下步骤：1)采用经验小波变换(empirical wavelet transform,EWT)将原始风电功率序列分解为一系列特征互异经验模式；2)根...
- 孙国强梁智卫志农臧海祥周亦洲
- 文献传递
- 基于变量选择与高斯过程回归的短期负荷预测被引量：23
- 2017年
- 提高短期电力负荷预测精度是保障电网安全稳定运行的技术措施之一,通过选取影响负荷的最优输入变量集合,建立高斯过程回归(Gaussian process regression,GPR)短期负荷预测模型。负荷预测建模输入变量的选取对预测精度有很大影响,首先采用随机森林(random forest,RF)算法给出输入变量重要性评分(variable importance measure,VIM),并对各输入变量影响程度进行排序,基于序列前向搜索策略确定最优输入变量集合,避免人工经验选取的不足。其次针对共轭梯度(conjugate gradient,CG)法求解高斯过程回归模型超参数时易陷入局部最优解,且存在优化性能依赖于初值选取、迭代次数难以确定的问题,采用改进粒子群优化(particle swarm optimization,PSO)算法搜索模型超参数,形成优化高斯过程回归预测模型。最后,算例测试表明该模型的有效性。
- 梁智孙国强卫志农臧海祥
- 关键词：短期负荷预测
