科研之友
微信
新浪微博
Facebook
分享链接
摘要
风电概率预测能够为新型电力系统安全运行提供关键的边界条件。提高预测精度是风电概率预测研究的关键问题，并且提高隐式模型的可解释性有益于人工智能模型的推广应用。因此，文中提出了时序混合密度网络，提取风电时序数据的局部矩信息作为输入通道，采用时序卷积网络提取多时间尺度的概率特征，并使用混合Beta分布构建概率预测信息。算例结果表明，局部矩通道能有效提高模型训练的收敛性，并且由时序混合密度网络提取的混合分布参数具有一定的可解释性，其预测结果相比现有模型具有更高的精度。
-
单位中国电力科学研究院有限公司; 华北电力大学; 电子工程学院
