光伏发电功率受自然环境影响具有明显的波动性、间歇性与随机性，对光伏发电进行短期功率的概率预测可以有效缓解给电网调度、能量管理等方面带来的诸多不利影响。提出一种基于改进深度受限玻尔兹曼机(RBM)算法的光伏发电短期功率概率预测模型，通过灰色关联系数法寻找待预测日的相似日，并利用遗传算法对RBM算法进行参数优化，避免模型参数寻优陷入局部最优，以提高预测模型的预测精度。仿真算例表明，所提模型可以更好地反映光伏发电功率的概率分布。
2021-10-11 15:27:37
2.23MB
1
为提高短期负荷预测精度，提出一种基于自适应噪声的完全集合经验模态分解(CEEMDAN)-样本熵
(SE)和深度信念网络(DBN)的短期负荷组合预测模型。首先利用CEEMDAN-样本熵将原始负荷序列分解为
多个特征互异的子序列，计算各子序列的样本熵，将熵值相近的子序列重组得到新序列，降低了原始非平稳序列对预测精度造成的影响并减小计算规模；随后综合考虑各新序列的周期特性和影响因素对每个新序列分别构建不同的DBN 预测模型，利用DBN 克服了浅层神经网络特征提取不充分及初始参数难确定的问题；最后将预测结果叠加得到最终预测值。仿真结果表明，该组合预测模型的平均绝对百分比误差和均方根误差分别为1.18%和87.91 MW，相比于BP、DBN、EMD-DBN 负荷预测模型具有更高的预测精度。
2021-10-09 17:10:09
782KB
1
LSTM（Long Short-Term Memory）是长短期记忆网络，是一种时间递归神经网络，适合于处理和预测时间序列中间隔和延迟相对较长的重要事件。
LSTM 已经在科技领域有了多种应用。基于 LSTM 的系统可以学习翻译语言、控制机器人、图像分析、文档摘要、语音识别图像识别、手写识别、控制聊天机器人、预测疾病、点击率和股票、合成音乐等等任务。本文档是基于LSTM原理的简单实现，有助于理解其原理。
2021-10-06 16:27:31
2KB
1
StockAnalysisWebApp
这是一个股票分析Python Flask Web应用程序，可让您使用传统的统计方法（例如ARIMA，HoltWinters以及GBM等）来预测短期股价走势
功能的完整列表是：-
...分析>烛台图
...分析>记录每日收益
...分析>相对强度指数表（RSI）
...分析>移动平均收敛散度（MACD）
...分析>布林带图
...分析>多因素股票筛选和排名
...预测>移动平均线预测（单变量）
...预测>自动ARIMA + GARCH预测（单变量）
...预测>自动停止冬季预报（单变量）
...预测>向量自动回归预测（多变量）
...预测>几何布朗运动（GBM）预测（多变量）
...预测> Bootstrap抽样预测（多变量）
...预测>最佳风险收益的投资组合权重
此应用程序的有效“实时”版本托管在Pythonanywhere
2021-10-04 20:45:58
8.4MB
1
针对电力负荷的小样本、非线性、高维数和局部极小点等问题,提出采用最小二乘支持向量机方法建模,以历史负荷、温度、湿度等数据作为输入量,对短期电力负荷进行预测;针对最小二乘支持向量机在建模中存在的参数选取问题,采用一种根据种群多样性信息来指导初始种群选取和避免粒子早熟收敛现象的改进粒子群优化算法来优化最小二乘支持向量机的惩罚因子和核参数。仿真结果表明,基于改进粒子群优化算法和最小二乘支持向量机的短期电力负荷预测方法较最小二乘支持向量机预测方法、基于基本粒子群优化算法和最小二乘向量机的预测方法具有更好的预测精确度。
2021-10-02 16:29:05
251KB
1
短期电力负荷预测，支持向量机结合粒子群算法进行短期电力负荷预测的实例
2021-09-28 14:06:02
21KB