wind power forecasting | BriefGPT

关键词wind power forecasting

搜索结果 - 8

利用 SCADA 数据和连续学习进行风力发电预测的偏差校正
通过评估和比较四种基于机器学习的风力发电预测模型，我们发现卷积神经网络在纠正和改进从数值天气预报模型中提取的 48 小时风力预测方面取得了最好的结果，平均归一化均方根误差降至 22％，同时减少了均方根误差，并且未来研究应当探究模型流程的变化
PDF4 months ago
提高神经网络在风力发电预测中的准确性和可解释性
提出了简单而有效的三重优化策略（TriOpts）来加快训练过程和改善深度神经网络（DNNs）在风力发电预测中的模型性能，并且创新性地提出了排列特征重要性（PFI）和局部可解释的模型不可知解释（LIME）技术来解释 DNN 的预测行为。模拟结
PDF6 months ago
可解释建模的风力发电预测：一种精确度异常高的透明盒子方法
通过采用创新的人工智能方法（如梯度提升），提出了一种透明度与高准确性相结合的玻璃盒方法，用于风力发电预测，该方法能够有效解释全球和实例角度上的预测结果，并且相比大多数基准模型表现更好且与最佳神经网络模型相当，因此在可靠的风力发电预测中具有强
PDF8 months ago
IJCAI基于分层时空 Transformer 的长期风力预测
本文提出了一种新的基于 Transformer Network 的 Hierarchical Spatial-Temporal Transformer Network（HSTTN）模型，利用空间和时间特征增强长期风力发电预测。实验结果表明，
PDFa year ago
利用图注意力和频率增强机制提高短期风速预测的准确性
本文提出了一种基于图注意力和频率增强机制的图注意力频率增强时空风速预测模型 (GFST-WSF)，该模型采用变压器架构进行时间特征提取，并采用图注意力网络 (GAT) 进行空间特征提取，从而提高短期风速预测的准确性。在案例研究中，GFST-
PDFa year ago
一种用于多步风力预测的并行 CNN-RNN 方法
本文提出了一种融合卷积神经网络和循环神经网络的 CNN-RNN 结构，使用来自地理网格多个点的气象数据和风电场的时间信息进行日前风电预测，并在全球预测中取得了较好的结果，与传统模型相比，更好的实现了空间特征提取。
PDF2 years ago
SDWPF：KDD Cup 2022 空间动态风力预测挑战赛数据集
本文介绍了一个包括风力涡轮的空间分布和动态环境信息的独特 Spatial Dynamic Wind Power Forecasting 数据集（SDWPF），并利用该数据集进行了 Baidu KDD Cup 2022 的模拟。
PDF2 years ago
一种新的平滑损失和惩罚函数，用于通过深度神经网络进行非交叉复合分位数估计
本文提出了一种新的平滑损失及惩罚函数的神经网络方法，用于解决智能电力系统中风能等可再生能源的概率预测问题中遭遇的分位数交叉问题，实证研究结果表明该方法可以有效提高风力发电预测的准确性。
PDF5 years ago