基于深度学习分位数回归模型的风电功率概率密度预测
针对风电功率预测问题，在现有预测方法和概率性区间预测的基础上，提出基于深度学习分位数回归的风电功率概率预测方法。该方法采用Adam随机梯度下降法在不同分位数条件下对长短期记忆神经网络(LSTM)的输入、遗忘、记忆、输出参数进行估计，得出未来200 h内各个时刻风电功率的概率密度函数。根据美国PJM网上的风电功率实际数据的仿真结果表明，所提方法不仅能得出较为精确的点预测结果，而且能够获得风电功率完整的概率密度函数预测结果。与神经网络分位数回归相比，其精度更高，且在同等置信度下的预测区间范围更小。
文件下载
评论信息
其他资源
- PowerBI视觉对象共计271组，更新日期2021.01.20日.zip
- 凤凰ABC1.9破解版.rar
- python实现BP神经网络回归预测模型
- LSTM C++源代码
- 需求跟踪矩阵 V2.0
- 基于STM32F407(1HZ~600KHZ)频率，占空比测量零误差测量
- 重复代码检查工具Simian
- powerbuilder9(PB)仿EXCEL筛选第二版
- 中国县级行政区划图SHP格式
- C# 通过COM端口读取数据
- VC6绿色精简版(破解)
- 情感励志类短视频素材
- elasticsearch-analysis-ik-7.4.2.zip
- LSTM_EEG_Classification.zip
- python wordcloud whl包
- Labview DAQ Basic Manual.pdf
- Xilinx 提供的频率发生器的VHDL源码.7z
- MATLAB教学视频：MATLAB十个基础入门实例详解
- 数学解题36技【教你制胜考研数学】
- 开机启动顺序管理 批量开机启动 延时开机启动
- 江苏省三级偏软教程（电子书）
- keilC51和C语言入门教程(PDF版)
- Cisco Packet Tracer (v_6.2)汉化包
- Python学习课件
- SCRATCH+少儿趣味编程
- TCP-IP详解卷1英文版第一版第二版
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明