点击文章名,在线阅读全文
刘嘉诚,刘俊,赵宏炎,等/基于DKDE与改进mRMR特征选择的短期光伏出力预测/2021, 45(14):13-21.
01
引言
02
光伏预测框架总述
图1 光伏预测框架
03
基于扩散核密度估计的互信息优化计算
式中:p(x)和p(y)分别为x和y的概率密度函数。
图2 温度变量概率分布与区间划分情况
04
改进mRMR特征选择与XGBoost模型
图3 各月建模中气象参数的累计应用频数
05
算例分析
图4 不同特征方法与预测模型对应的各月MAPE值
06
结语
延伸阅读
赖昌伟,黎静华,陈博,等 . 光伏发电出力预测技术研究综述[J].电工技术学报,2019,34(6):1201-1217.
周念成,廖建权,王强钢,等 . 深度学习在智能电网中的应用现状分析与展望[J].电力系统自动化,2019,43(4):180-191.
原文发表在《电力系统自动化》2021年第45卷第14期,欢迎品读!
引文信息
刘嘉诚,刘俊,赵宏炎,等.基于DKDE与改进mRMR特征选择的短期光伏出力预测[J].电力系统自动化, 2021, 45(14): 13-21. DOI: 10.7500/AEPS20201126004.
LIU Jiacheng, LIU Jun, ZHAO Hongyan, et al. Short-term Photovoltaic Output Forecasting Based on Diffusion Kernel Density Estimation and Improved Max-relevance and Min-redundancy Feature Selection[J]. Automation of Electric Power Systems, 2021, 45(14): 13-21. DOI: 10.7500/AEPS20201126004.
主要作者简介
刘嘉诚
男,硕士研究生,主要研究方向:电力系统运行分析和控制、人工智能与机器学习在电力系统中的应用。E-mail: ljc19980227@stu.xjtu.edu.cn
刘 俊
男,通信作者,博士,副教授,主要研究方向:电力系统运行分析和控制、电力系统稳定性、电力系统并行计算、可再生能源并网、HVDC和FACTS技术等。E-mail: eeliujun@mail.xjtu.edu.cn
近期发布内容可通过本公众号菜单栏AEPS-精彩荟萃点击查阅,精彩不容错过哦~
郑重声明:根据国家版权局相关规定,纸媒、网站、微博、微信公众号转载、摘编本微信作品,需包含本微信名称、二维码等关键信息,并在文首注明《电力系统自动化》原创。个人请按本微信原文转发、分享。