基于深度遷移模型的短期風速預測.pdf_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、基于深度遷移模型的短期風速預測Short—TermWindSpeedPredictionBasedonDeepTransferModels學科專業(yè):讓篡擔抖堂皇籩苤作者姓名:毖邊佳指導教師:胡渲坐塾握天津大學計算機科學與技術學院二零一五年十二月摘要由于傳統(tǒng)能源的消耗和環(huán)境的惡化,清潔的可再生能源目前在全球范圍內(nèi)被廣泛應用。風能具有無污染、低成本、大規(guī)模等優(yōu)勢,使其成為一種重要的能源。然而,作為影響風力發(fā)電最重要的因素,風速具有不確定、不

2、穩(wěn)定的特性,對其準確的預測在電力的分配、調(diào)度和風能轉(zhuǎn)換系統(tǒng)的規(guī)劃、維護中都有重要的意義。對于一些新建立的風電場或風機,歷史數(shù)據(jù)不足使得其無法建立一個準確的模型。而對于那些建立很久的風電場或風機,它們擁有長期的風速記錄。因此,可考慮是否可以用其他風電場或風機的數(shù)據(jù)幫助研究目標建立模型。本文我們提出利用遷移學習來解決新建風電場或風機的短期風速預測問題。主要研究成果和創(chuàng)新點具體體現(xiàn)在以下幾個方面:1提出一種新的風速預測研究課題,針對預測對象數(shù)

3、據(jù)量不足的問題,從數(shù)據(jù)量充足的源域遷移知識到數(shù)據(jù)量匱乏的目標域,從而幫助目標域更好地建立模型。2分析風速變化特性,對不同時間段的風速進行統(tǒng)計分析。利用相關性分析,對不同對象的風速序列進行相關系數(shù)的計算,進而選擇變化模式較相近的遷移對象。3提出一種共享隱層的深度神經(jīng)網(wǎng)絡遷移模型,利用深度神經(jīng)網(wǎng)絡的共享隱層提取源域和目標域風速數(shù)據(jù)的共享特征信息,之后對于不同的領域建立相互獨立的輸出層,從而對自身風速模式變化進行更好的學習。4提出一種考慮時間

4、特性的深度遞歸神經(jīng)網(wǎng)絡遷移模型,利用低層的共享深度神經(jīng)網(wǎng)絡提取源域和目標域風速數(shù)據(jù)的高級抽象特征,將不同的領域變換的特征輸入到高層對應該域的遞歸神經(jīng)網(wǎng)絡模型中,結(jié)合了深度神經(jīng)網(wǎng)絡的特征選擇能力和遞歸神經(jīng)網(wǎng)絡考慮時間特性的優(yōu)勢。將提出的兩種遷移模型應用于少數(shù)據(jù)目標域的風速預測中,相比其他的方法取得了較好的效果。而這兩種方法比較,考慮時間特性的后一種模型比前一種模型效果好一點。另外還從實驗中得出,隨著目標域的數(shù)據(jù)量逐漸增加,遷移的重要性有所

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論