典型文献
基于贝叶斯深度学习的用户净负荷预测方法
文献摘要：
分布式光伏(photovoltaic,PV)发电的随机性、间歇性和波动性给电网安全可靠运行带来了巨大的挑战.为了准确预测用户净负荷,同时捕捉分布式光伏发电和负荷带来的大量不确定性,提出一种基于概率的日前净负荷预测方法.将贝叶斯概率论与深度学习相结合,以处理认知不确定性和任意不确定性;采用子空间聚类技术,将住宅屋顶光伏输出作为输入特征,以提高综合净负荷预测的性能.基于细粒度智能电表数据进行了算例分析,与其他方法进行实验比较可知,所提方法具有更好的性能.
文献关键词：
概率性净负荷预测;分布式光伏发电;聚类;长短时记忆;贝叶斯深度学习
中图分类号：
作者姓名：
冯桂玲;郑晓晖;李思韬;庄大海
作者机构：
国网福建省电力有限公司福州供电公司 福建 福州 350009;国网信通亿力科技有限责任公司 福建 福州 350003
文献出处：
引用格式：
[1]冯桂玲;郑晓晖;李思韬;庄大海-.基于贝叶斯深度学习的用户净负荷预测方法)[J].计算机应用与软件,2022(10):94-103
A类：
贝叶斯深度学习,概率性净负荷预测
B类：
负荷预测方法,photovoltaic,PV,随机性,间歇性,波动性,电网安全,可靠运行,准确预测,分布式光伏发电,日前,贝叶斯概率,概率论,认知不确定性,子空间聚类,聚类技术,住宅,屋顶光伏,输入特征,细粒度,智能电表,电表数据,算例分析,其他方法,长短时记忆
AB值：
0.283788
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
