检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

5 篇 学位论文

馆藏范围

5 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

5 篇 工学
- 5 篇 动力工程及工程热...
- 3 篇 控制科学与工程
- 3 篇 计算机科学与技术...
- 3 篇 软件工程
3 篇 管理学
- 3 篇 管理科学与工程(可...

主题

5 篇 风电数据预处理
2 篇 深度学习模型
2 篇 风电功率预测
1 篇 风机功率曲线建模
1 篇 风电功率预测系统
1 篇 二次分解技术
1 篇 二层分解算法
1 篇 非对称损失函数
1 篇 混合智能优化算法
1 篇 短期风电功率预测
1 篇 dpso优化算法
1 篇 组合模型
1 篇 风功率预测
1 篇 bp神经网络
1 篇 transformer模型
1 篇 多时间尺度特征
1 篇 多元预测模型
1 篇 免疫遗传算法

机构

2 篇 沈阳工程学院
1 篇 成都理工大学
1 篇 广西大学
1 篇 中南大学

作者

1 篇 孙圣博
1 篇 寇金驰
1 篇 王清泰
1 篇 何荣辉
1 篇 杨佳欣

语言

5 篇 中文

检索条件"主题词=风电数据预处理"

共 5 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

考虑风电数据特性的风功率预测方法研究

考虑风电数据特性的风功率预测方法研究

引用

作者：杨佳欣中南大学

学位级别：硕士

风力发电是解决能源短缺和环境污染问题的有效途径,近年来得到了快速发展。然而,风能的随机性和间歇性将对电力系统的决策与管理带来挑战。风功率预测能有效解决上述问题,并为电力系统规划调度提供有效参考。风电场采集的数据中往往含... 详细信息

风力发电是解决能源短缺和环境污染问题的有效途径,近年来得到了快速发展。然而,风能的随机性和间歇性将对电力系统的决策与管理带来挑战。风功率预测能有效解决上述问题,并为电力系统规划调度提供有效参考。风电场采集的数据中往往含有异常点和缺失值,将导致数据质量下降,从而影响风功率预测的精度。因此,为了提高数据质量,本文首先研究风机功率曲线建模技术,通过功率曲线建模实现对异常数据的修正,构建完整有效的风电数据集。风电数据在不同时间尺度下有不同的波动特性,蕴含了不同的时序信息。为了提高风功率预测的精度,本文充分考虑风电数据的多时间尺度特征,对风功率预测技术展开研究。本文主要创新和具体研究工作如下:(1)基于人工方法和孤立森林算法对风电数据进行了预处理。风电数据的质量会影响风功率预测结果。现实中所采集到的风电数据包含异常值、缺失值等不确定性,因此需要对所采集的数据进行预处理。本文首先使用人工方法对不符合风机出力特性的数据进行初步筛除,然后基于异常数据的特点,使用孤立森林算法进一步识别出数据中的异常点,从而提高数据质量。(2)基于非对称特性与混合智能优化算法构建了风机功率曲线建模方法。风机的功率曲线能描述风机在实际运行状况下,风速和风功率之间的对应关系。本文通过对风机功率曲线进行准确建模,实现对异常数据的修正。首先分析风电数据中异常点对功率曲线建模的影响,针对建模误差分布特性,提出非对称损失函数。然后,基于灰狼优化算法(grey wolf optimizer,GWO)和回溯搜索算法(backtracking search algorithm,BSA)的原理与特点,提出混合智能优化算法GWO-BSA。最后,使用一组结构简单、参数可解释的参数模型对功率曲线进行拟合,基于非对称损失函数与混合优化算法对模型参数进行优化,从而获得功率曲线模型。(3)基于多时间尺度特征与深度学习模型提出了风功率预测方法。有效充分的特征有助于准确刻画风功率的波动,不同时间分辨率下的风电数据具有不同的波动特性,高分辨率的数据反映了风功率变化的波动细节,低分辨率的数据反映了风功率变化的长期趋势。本文首先基于风电数据在不同时间尺度下的波动特性,通过平均池化层构建了风电序列的多时间尺度特征。然后基于卷积神经网络(convolutional neural network,CNN)与门控循环单元(gated recurrent unit,GRU),搭建CNN-GRU组合模型对风电序列进行特征提取与时间序列分析。最后通过融合多尺度风电序列特征,充分挖掘风电序列的多时间尺度信息,提高风功率预测的精度。图36幅,表16个,参考文献83篇

关键词：风电数据预处理风机功率曲线建模非对称损失函数混合智能优化算法风功率预测多时间尺度特征深度学习模型

来源：评论

学校读者我要写书评

暂无评论

基于Transformer的风电功率预测方法研究

基于Transformer的风电功率预测方法研究

引用

作者：王清泰成都理工大学

学位级别：硕士

风能因其绿色清洁和可持续发展的特性,近年来得到迅速发展。然而,风电的波动性与不稳定性会给电力系统的安全稳定运行造成干扰,风电规模越大,造成的影响也越严重。许多风电场会弃风来保证风电出力稳定,对风力资源造成浪费,提高风电功率... 详细信息

风能因其绿色清洁和可持续发展的特性,近年来得到迅速发展。然而,风电的波动性与不稳定性会给电力系统的安全稳定运行造成干扰,风电规模越大,造成的影响也越严重。许多风电场会弃风来保证风电出力稳定,对风力资源造成浪费,提高风电功率预测的准确性可以有效避免这种现象。本文从风电异常数据的识别和综合修正方法,风电序列的分解方法和预测模型这三个方面对风电功率预测方法进行优化,主要研究如下: 首先,为了解决风电异常数据对模型预测精确度的不利影响,本文采用改进孤立森林算法和K-最邻近插补法对风电异常数据进行识别和综合修正。改进孤立森林算法与传统算法相比,考虑风电功率的各个影响因素并不是完全独立的,将不同因素之间关联的特征信息也加以利用,可以有效提高风电异常数据的识别精度。K-最邻近插补法与传统插补法相比,同样是将数据样本之间的相似性信息加以利用,突破了风电数据样本在时间上的关联,在风电数据因连续快速变化而出现数据异常或数据缺失时,有更好的修正效果。然后,为了降低风电数据的波动性和随机性对模型预测精度的影响,本文采用快速集合经验模态分解(FEEMD)和变分模态分解(VMD)对风电序列进行平稳化处理。FEEMD算法通过对修正后的数据进行分解,从而达到降低风电数据波动性的目的。VMD算法通过对FEEMD算法分解后波动性最高的IMF1序列进行二次分解,从而达到滤除噪声和降低序列复杂度的目的。其次,针对传统深度学习模型BP神经网络、卷积神经网络(CNN)、长短期记忆网络(LSTM)预测精度不高的问题,本文采用基于自注意力机制的Transformer模型,结合气象数据(温度、湿度、风速、风向、气压)与历史风电功率数据,深度挖掘序列的特征信息,达到更好的预测精度。实验证明,基于Transformer的风电功率预测模型能够精确的预测出风电功率。最后,通过四个对比实验对本文方法进行综合验证,定量计算出改进孤立森林算法、K-最邻近插补法、FEEMD-VMD二层分解算法和Transformer模型对风电功率预测精度的提升效果。从实验结果可得,本文的方法具有较高的预测精度,可以有效解决风电异常数据多、风电序列复杂性和波动性高、模型预测精度低等问题。

关键词：风电功率预测风电数据预处理二层分解算法 Transformer模型

来源：评论

学校读者我要写书评

暂无评论

基于多元预测模型的短期风电功率预测研究

基于多元预测模型的短期风电功率预测研究

引用

作者：何荣辉广西大学

学位级别：硕士

风能是一种绿色清洁、可持续发展的能源,近年来由于发电技术成熟和成本降低受到各国青睐。然而,大规模风电接入给电力系统安全和稳定运行造成许多不利的影响。许多风电场为保证出力稳定,出现大量弃风的现象,提高风电功率预测准确性刻不... 详细信息

风能是一种绿色清洁、可持续发展的能源,近年来由于发电技术成熟和成本降低受到各国青睐。然而,大规模风电接入给电力系统安全和稳定运行造成许多不利的影响。许多风电场为保证出力稳定,出现大量弃风的现象,提高风电功率预测准确性刻不容缓。本文从异常风电数据识别和修正、风电序列数据分解和多元预测模型这三个方面对风电功率预测模型进行优化,主要研究工作如下:首先,针对异常风电数据增加模型训练难度的问题,本文分别采用基于密度的噪声空间聚类算法(DBSCAN)和改进K邻近算法(KNN)对异常风电数据进行识别和修正。DBSCAN打破了传统聚类算法聚类形状固定的束缚,可以对密度堆积的正常风电数据和离散的异常风电数据进行有效识别。改进KNN算法在传统算法的基础上充分考虑了风速和风向对风电功率的影响,实现对连续多个异常数据修正的同时提高了修正精度。经实例验证,基于DBSCAN和改进KNN的异常风电数据识别和修正方法能保证训练数据的有效性和准确性,提高模型预测精度。然后,针对风电数据随机性和波动性降低模型预测精度的问题,本文采用基于自适应噪声完备集合经验模态分解(CEEMDAN)和变分模态分解(VMD)对风电序列进行平稳化处理。CEEMDAN算法将预处理后的风电序列进行一次分解,降低了序列的波动性。VMD算法对波动性最高的风电子序列进行二次分解,在滤除噪声的同时降低了序列的复杂度。经实例验证,基于CEEMDAN-VMD的二次分解技术能有效降低风电序列的波动性,在消除时滞现象的同时提高模型预测精度。其次,针对单一预测模型无法对分解后各子序列进行有效数据挖掘的问题,本文提出基于ELM-CNN-Bi LSTM多元预测模型。对于低频子序列,采用ELM进行时序预测。ELM时序预测与传统算法相比保留了风电序列中的时序特征,有效提高模型拟合程度。对于高频子序列,分别采用CNN和Bi LSTM进行特征提取和数据挖掘。CNN保留了风速、风向和风电功率之间的耦合关系,而Bi LSTM从历史和未来两个方向对序列进行数据挖掘。经实例验证,基于ELM-CNN-Bi LSTM的多元预测模型可以充分挖掘分解后各子序列的隐含信息。最后,通过四个对比实验对本文提出的预测模型预测性能进行全面考察。从预测结果可以看出,本文提出基于CEEMDAN-VMD-ELM-CNNBi LSTM的多元预测模型具有更高的预测精度,可以有效解决异常风电数据、风电数据波动性和单一预测模型局限性对模型预测精度的影响。

关键词：短期风电功率预测风电数据预处理二次分解技术多元预测模型深度学习模型

来源：评论

学校读者我要写书评

暂无评论

基于改进神经网络的风电功率预测系统设计

基于改进神经网络的风电功率预测系统设计

引用

作者：寇金驰沈阳工程学院

学位级别：硕士

当前我们正在经历由信息技术时代向能源技术时代的过渡时期,风能以其储量的丰富性,能源的清洁性而日渐成为主要发展的新能源。但由于风的随机性和间歇性特征会为风电的大力发展产生阻碍。因此,对风电功率的精准预测显然愈加重要。为满... 详细信息

当前我们正在经历由信息技术时代向能源技术时代的过渡时期,风能以其储量的丰富性,能源的清洁性而日渐成为主要发展的新能源。但由于风的随机性和间歇性特征会为风电的大力发展产生阻碍。因此,对风电功率的精准预测显然愈加重要。为满足国家能源局最新发布“两个细则”对风电功率预测的更高要求,同时,也为我国西北等地区相继实行的电力交易提供技术保障。本文针对于风电功率预测系统的设计进行如下的研究工作:首先分别对风电功率预测中的NWP数据、测风塔数据及实际功率数据分别进行数据的重复行检验和处理、数据的完整性检验和处理以及数据的合理性检验和处理。保证得到优质的数据为风电功率的预测提供良好的支持。选择平均绝对误差、均方根误差和误差指标相关系数三种指标用于风电功率预测的误差评价。然后基于BP神经网络算法结构简单和学习步骤清晰的优势选择使用BP神经网络对风电功率进行短期预测,但由于BP网络本身存在的易陷入局部极小值点等不足,选择利用基于标准粒子群算法优化的免疫遗传算法既保留在全局范围内寻优的特点,又能提高算法收敛速度的优势对BP神经网络进行改进,最后为了弱化风能的强波动性对短期功率预测的影响,使用“平均值法”对PSO-IGA-BP预测算法模型中的输入数据进行优化,通过模型仿真出的预测功率曲线和实际功率曲线的对比以及对预测结果的误差评价分析,证明经“平均值法”优化的PSO-IGA-BP预测模型对风电短期功率的预测精度最高,预测效果最好。最后,基于前文的研究和验证,设计并实现了风电功率预测系统,通过对预测系统的各部分功能设计和对数据接口及通信方式的设计使风电功率预测系统可以稳定,便捷的实现多个功能,进而为调度端和电力交易用户提供技术支持。

关键词：风电数据预处理 BP神经网络免疫遗传算法风电功率预测系统

来源：评论

学校读者我要写书评

暂无评论

基于DPSO优化的CNN-GRU短期风电功率预测研究

基于DPSO优化的CNN-GRU短期风电功率预测研究

引用

作者：孙圣博沈阳工程学院

学位级别：硕士

随着经济与科技的持续发展以及人们对能源的需求与日俱增,风力发电技术的迅速发展与碳中和政策的逐步推进,使风力发电入网比例不断增加。但是风力发电受气象因素影响巨大,并且风力资源具有随机性、间断性以及波动性的天然特性,因此风力... 详细信息

随着经济与科技的持续发展以及人们对能源的需求与日俱增,风力发电技术的迅速发展与碳中和政策的逐步推进,使风力发电入网比例不断增加。但是风力发电受气象因素影响巨大,并且风力资源具有随机性、间断性以及波动性的天然特性,因此风力发电的大规模上网会对电网造成很大的冲击甚至影响电力系统的稳定运行。目前,对风电功率的预测研究基本都在数据处理、模型算法、以及算法优化等方面,但仍需要进一步对相关领域进行研究,基于此本文具体进行的工作如下: (1)研究了原始数据的预处理方法,提出利用DBSCAN算法与随机森林算法进行数据预处理。风电原始数据处理包括数据的降维处理、异常数据的检测以及替换。首先,针对数据的降维处理的问题,本文提出了提出利用斯皮尔曼相关性系数并采用热力图进行可视化的方法,筛选出与风电机组输出功率相关性高的影响因素。然后为了提高数据质量进行了异常数据的检测,提出基于DBSCAN算法进行异常值的检测并对异常值进行剔除,异常数据的清洗是通过利用随机森林算法对剔除的异常值进行填充。最后采用新疆某风电场的数据对上述方法进行了验证,经过处理的数据的相关系数进一步提升并且更符合风机在理想状态下的风速功率曲线。 (2)研究了采用神经网络模型的风电功率预测方法,提出了基于PSO优化算法的PSO-GRU模型。首先对RNN、LSTM、GRU三种传统单一神经网络的原理、训练方法进行了研究,并搭建了三种神经网络的训练模型,依托预处理后的新疆某风电场数据对风电功率进行了初步的预测。经验证,GRU相较于RNN、LSTM模型的综合性能更为优越。最后为了进一步提升模型预测能力,采用PSO算法优化模型的超参数设置,使GRU模型更适应数据集的特性,提高了模型的预测精度和泛化能力。 (3)研究了CNN神经网络特性并对PSO算法进行改进,提出了DPSO-CNN-GRU组合模型。经研究,CNN神经网络具有能够进一步提取原数据中重要信息的特性。首先搭建了CNN-GRU组合模型,通过实验表明CNN-GRU组合模型在预测精度上有了很大的提高并改善了单一模型对数据特征提取不足的缺陷,然后基于PSO算法对模型的超参数选择进行优化提高了预测精度。为了避免PSO算法参数固定的局限性,利用动态调整策略进行优化得到了基于动态策略的DPSO算法,经实验表明,DPSO-CNN-GRU模型的振荡性减少且预测精度有了很大的提升。最后通过进一步与Attention-RNN、EMDLSTM和RNN-MLP组合模型进行对比,表明DPSO-CNN-GRU模型在预测精确度和数据变化适应性方面具有优越性。综上所述,本文利用相关系数法对相关特征进行筛选并采用DBSCAN与随机森林算法对数据进行预处理。然后对三种单一模型的预测性能进行了实验,并采用PSO算法对其超参数进行优化。之后结合CNN算法提出了PSO-CNN-GRU模型加强对单一模型的特征提取以及超参数调整能力,最后对PSO算法采用动态策略进行改进,提出了DPSO-CNN-GRU算法,并与Attention-RNN、EMD-LSTM和RNN-MLP组合模型进行对比,验证了DPSO-CNN-GRU算法在预测精度上的优越性。

关键词：风电数据预处理组合模型 DPSO优化算法风电功率预测

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：