李慧杰
- 作品数：7 被引量：138H指数：6
- 供职机构：阿尔斯通电网技术中心有限公司更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划更多>>
- 相关领域：电气工程更多>>
- 基于Spiking神经网络的光伏系统发电功率预测被引量：10
- 2017年
- 为了提高光伏系统发电功率预测的精度,本文提出一种基于Spiking神经网络(SNN)的预测模型。该神经网络采用精确脉冲时间的编码方式,更接近真实的生物神经系统,具有强大的计算能力。考虑季节类型、天气类型和大气温度等主要影响因素,该模型采用灰色关联分析法选取相似日。本文应用实际光伏发电系统的数据分别对基于SNN、BP人工神经网络(BP-ANN)和支持向量机(SVM)的预测模型进行测试和评估。预测结果表明:SNN预测模型相比于BP-ANN和SVM模型有较高的预测精度和较强的适用性,可以为光伏系统发电功率预测提供一种可行方法。
- 陈通孙国强卫志农李慧杰CHEUNG KWOK W孙永辉
- 关键词：光伏系统SPIKING神经网络发电功率预测
- 基于相似日和CAPSO-SNN的光伏发电功率预测被引量：28
- 2017年
- 针对光伏发电功率预测精度不高的问题,提出一种基于相似日和云自适应粒子群优化(CAPSO)算法优化Spiking神经网络(SNN)的发电功率预测模型。考虑到季节类型、天气类型和气象等主要影响因素,提出以综合相似度指标进行相似日选取;以SNN强大的计算能力和其善于处理时间序列问题的特点为基础,结合CAPSO算法搜索的随机性和稳定性优化SNN的多突触连接权值,减少对权值的约束,提高算法的收敛精度。根据某光伏电站的实测功率数据对所提模型进行测试和评估,结果表明,该模型比传统预测模型具有更高的预测精度和更好的适用性。
- 陈通孙国强卫志农臧海祥孙永辉Kwok W Cheung李慧杰
- 关键词：光伏发电功率预测SPIKING神经网络
- 基于改进高斯过程回归模型的短期负荷区间预测被引量：35
- 2017年
- 考虑到电力系统短期负荷预测的精度直接影响电网运行的经济性和安全性,而传统点预测方法不能计及电网运行中的众多不确定性因素,提出一种基于改进高斯过程回归的短期负荷区间预测方法。采用模糊C-均值聚类算法从历史数据中寻找相似日,从而构建更为合理的样本集,并采用多核协方差函数改进传统高斯过程回归算法,最终得到一定置信水平下的区间预测结果。实际算例计算结果表明,该方法与常规方法相比,预测精度有所提高,其区间预测结果覆盖率较高,适合工程实际应用。
- 宗文婷卫志农孙国强李慧杰CHEUNG Kwok W孙永辉
- 关键词：区间预测电力系统短期负荷聚类分析
- 基于NMF-SVM的光伏系统发电功率短期预测模型被引量：3
- 2014年
- 根据光伏发电系统的历史发电数据和气象数据,考虑天气类型、日照强度和大气温度及风速等因素,提出一种基于非负矩阵分解(nonnegative matrix factorization,NMF)和支持向量机(support vector machine,SVM)的光伏系统发电功率短期预测模型。基于差异性和相关性原理,同时考虑相似日选择算法,通过NMF算法对由相似日组成的输入样本进行分解,得到非负的低维映射矩阵,将其作为支持向量机的输入,预测光伏系统的发电功率。该模型在消除冗余信息、减少变量维数的同时,保留了原始问题的实际意义。实例表明,该方法降维效果明显,预测精度得到显著的提高。
- 吴江卫志农李慧杰李晓露Kwok W Cheung孙永辉孙国强
- 关键词：光伏系统非负矩阵分解气象因素发电功率预测
- 基于相关向量机的短期风速预测模型被引量：13
- 2013年
- 通过对风速的时间序列进行分析,表明该序列具有混沌特性。在此基础上,利用相空间重构理论建立基于相关向量机(RVM)的短期风速预测模型,并对不同的核函数进行分析,选出最优的核函数。与现有的风速预测模型相比,该模型具有高稀疏性、核函数选择灵活等优点。仿真结果表明,与BP神经网络和支持向量机(SVM)模型相比,RVM模型预测精度更高。
- 李慧杰刘亚南卫志农李晓露Kwok W Cheung孙永辉孙国强
- 关键词：神经网络支持向量机相关向量机相空间重构短期风速预测
- 基于变分模态分解和蝙蝠算法-相关向量机的短期风速区间预测被引量：44
- 2017年
- 现有的风速预测方法大多是确定性的点预测,无法描述风速的随机性。针对该问题,建立基于变分模态分解(VMD)和蝙蝠算法-相关向量机(BA-RVM)的短期风速区间预测模型。对原始风速序列进行变分模态分解获得多个子序列;采用样本熵(SE)算法对子序列进行重组得到3类具有典型特性的分量;对各分量采用相关向量机算法分别建立预测模型。为进一步提高预测精度、缩小区间范围,引入蝙蝠算法(BA)对预测模型进行参数优化。将各分量的预测结果进行叠加求和得到一定置信水平下总体的区间预测结果。实际算例结果表明,与现有方法相比,所提区间预测方法的预测精度和区间覆盖率更高,区间宽度更窄。
- 范磊卫志农李慧杰Kwok W Cheung孙国强孙永辉
- 关键词：风速预测相关向量机区间预测
- 基于小波分析和集成学习的光伏输出功率短期预测被引量：10
- 2016年
- 针对光伏输出功率的预测精度影响系统安全调度和稳定运行的问题,该文建立了基于小波分析和集成学习的光伏输出功率短期预测模型。考虑到光伏输出功率的波动性与随机性,引入小波分析将数据分解成趋势项和随机项,并分别对其建模。其中,趋势项采用SVM算法,随机项采用BP算法进行预测处理;再考虑到随机项的非平稳性和BP算法的固有缺点,为提高预测精度,将集成学习引入随机项的预测模型。大量测试结果表明,基于小波分析和集成学习的短期预测模型的预测精度优于现有几种模型。
- 孙永辉范磊卫志农李慧杰Kwok W Cheung孙国强
- 关键词：小波分析BP神经网络支持向量机
