• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于FCM-LSTM 的光熱發(fā)電出力短期預(yù)測(cè)

    2024-02-12 06:54:04劉振路郭軍紅賈宏濤
    工程科學(xué)學(xué)報(bào) 2024年1期
    關(guān)鍵詞:光熱出力聚類

    劉振路,郭軍紅,李 薇?,賈宏濤,陳 卓

    1) 華北電力大學(xué)環(huán)境科學(xué)與工程學(xué)院,北京 102206 2) 華北電力大學(xué)資源環(huán)境系統(tǒng)優(yōu)化教育部重點(diǎn)實(shí)驗(yàn)室,北京 102206

    太陽(yáng)能作為一種清潔能源,在我國(guó)實(shí)現(xiàn)“雙碳”目標(biāo)的道路上發(fā)揮著重要作用. 我國(guó)有著豐富的太陽(yáng)能資源,年太陽(yáng)輻射總量大于5×103MJ?m-2的地區(qū)大約占全國(guó)總面積的2/3,開(kāi)發(fā)潛力巨大[1-2].與光伏發(fā)電相比,光熱發(fā)電由于配備了儲(chǔ)熱系統(tǒng),使得出力更加穩(wěn)定[3],有著可持續(xù)發(fā)電、移峰填谷的潛力,從而在太陽(yáng)能發(fā)電技術(shù)中的占比逐漸增加[4],大力發(fā)展光熱發(fā)電可以加快我國(guó)西部開(kāi)發(fā)進(jìn)程、大幅度降低可再生能源棄電率[5],但氣象因素、地理因素等外界條件會(huì)對(duì)光熱電站的出力產(chǎn)生影響,使得光熱發(fā)電具有一定的不確定性和間歇性,進(jìn)而導(dǎo)致并網(wǎng)時(shí)會(huì)增加電網(wǎng)運(yùn)行的不確定性,造成不利影響. 提高光熱電站出力預(yù)測(cè)的精準(zhǔn)程度,可以對(duì)上述風(fēng)險(xiǎn)進(jìn)行有效規(guī)避.

    目前,常見(jiàn)的太陽(yáng)能出力預(yù)測(cè)手段有物理模型法,如李錦鍵[6]提出了一種結(jié)合靜態(tài)模型的光熱儲(chǔ)能電站出力預(yù)測(cè)方法,首先建立起太陽(yáng)輻射的預(yù)測(cè)模型,之后將預(yù)測(cè)結(jié)果帶入靜態(tài)數(shù)學(xué)模型得到光熱發(fā)電預(yù)測(cè)值,并與仿真結(jié)果對(duì)比,驗(yàn)證了預(yù)測(cè)模型的準(zhǔn)確度. 但此方法對(duì)電站信息和氣象因素信息要求較高,模型泛化能力較差,所以國(guó)內(nèi)外許多學(xué)者使用支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)等統(tǒng)計(jì)分析方法對(duì)太陽(yáng)能出力預(yù)測(cè)進(jìn)行了研究. 如張華彬等[7]將加權(quán)氣象因素作為最小二乘支持向量機(jī)的輸入,對(duì)不同的季節(jié)類型和天氣類型分別建立預(yù)測(cè)模型,經(jīng)實(shí)例驗(yàn)證表明模型預(yù)測(cè)精度較高;李光明等[8]使用BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,分別以電站實(shí)測(cè)數(shù)據(jù)和數(shù)值天氣預(yù)報(bào)數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練,結(jié)果表明以實(shí)測(cè)數(shù)據(jù)訓(xùn)練的模型擁有更高的精度;姜鐵騮等[9]通過(guò)對(duì)影響光熱發(fā)電準(zhǔn)確性因素進(jìn)行分析,使用一種多跳無(wú)線網(wǎng)絡(luò)Ad Hoc 構(gòu)建了光熱短期出力預(yù)測(cè)模型,結(jié)果表明該模型精度較好并具有良好的天氣適應(yīng)能力;Wang 等[10]根據(jù)太陽(yáng)輻射特性及其光學(xué)和熱電發(fā)電技術(shù),通過(guò)粒子群算法求解灰色模型參數(shù),提出了一種基于G(1,1)優(yōu)化的光熱預(yù)測(cè)模型,并利用該預(yù)測(cè)模型得到了未來(lái)幾年的光熱發(fā)電量. 為解決梯度消失和梯度爆炸發(fā)展而來(lái)的長(zhǎng)短期記憶(Long short-term memory,LSTM)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型在太陽(yáng)能出力預(yù)測(cè)方面表現(xiàn)出了優(yōu)異性能,宋紹劍和李博涵[11]使用LSTM神經(jīng)網(wǎng)絡(luò)構(gòu)建了一種短期出力預(yù)測(cè)模型,并將預(yù)測(cè)結(jié)果與BP 神經(jīng)網(wǎng)絡(luò)和遞歸神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果進(jìn)行對(duì)比,證明了LSTM 神經(jīng)網(wǎng)絡(luò)模型的具有較高的精確度;王琛淇等[12]將隨機(jī)森林(Random forest,RF)算法與LSTM 神經(jīng)網(wǎng)絡(luò)相結(jié)合,使用電站實(shí)測(cè)數(shù)據(jù)對(duì)組合模型性能進(jìn)行驗(yàn)證,結(jié)果表明,所提方法提高了預(yù)測(cè)的準(zhǔn)確性;李嵩山等[13]使用卷積神經(jīng)網(wǎng)絡(luò)和LSTM 網(wǎng)絡(luò)搭建了一種光熱功率預(yù)測(cè)模型,通過(guò)提取主要?dú)庀笠蛩?,達(dá)到了對(duì)熱功率進(jìn)行精準(zhǔn)預(yù)測(cè)的效果;李清等[14]將注意力機(jī)制與LSTM神經(jīng)網(wǎng)絡(luò)模型結(jié)合,以光伏功率、光伏組件溫度和環(huán)境濕度訓(xùn)練模型,發(fā)現(xiàn)相比傳統(tǒng)預(yù)測(cè)算法該組合模型具有更好的預(yù)測(cè)準(zhǔn)確度. 此外,對(duì)氣象數(shù)據(jù)采取一些處理手段可有效增加模型預(yù)測(cè)精度,如陳中和車松陽(yáng)[15]首先使用云模型建立隸屬度函數(shù)劃分?jǐn)?shù)據(jù),之后建立云規(guī)則發(fā)生器對(duì)出力數(shù)據(jù)進(jìn)行預(yù)測(cè),實(shí)現(xiàn)了模型的精確化預(yù)測(cè). 聚類分析作為一種數(shù)據(jù)處理方法,已被應(yīng)用到不同類型的預(yù)測(cè)模型上[16-17],在太陽(yáng)能出力預(yù)測(cè)方面,余洋等[18]構(gòu)建了近鄰傳播聚類與長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)結(jié)合的預(yù)測(cè)模型,預(yù)測(cè)了不同發(fā)電類型下美國(guó)加利福尼亞州光熱發(fā)電系統(tǒng)的發(fā)電量,從而提高了光熱預(yù)測(cè)模型精度;劉興霖等[19]使用K 均值聚類算法將數(shù)據(jù)劃分為不同天氣類型,基于LSTM 神經(jīng)網(wǎng)絡(luò)建立出力預(yù)測(cè)模型,實(shí)驗(yàn)結(jié)果表明,與未經(jīng)過(guò)聚類分析的預(yù)測(cè)結(jié)果相比,研究所提模型的預(yù)測(cè)結(jié)果精確度在一定程度上得到了提高.

    但上述研究中,對(duì)于光熱電站出力預(yù)測(cè)模型的研究大多以太陽(yáng)輻射、溫度作為輸入,未考慮在不同情景下其他氣象因素對(duì)模型預(yù)測(cè)精度的影響以及預(yù)測(cè)模型在不同情景下的適用度,從而對(duì)最終預(yù)測(cè)結(jié)果產(chǎn)生了一定的影響. 針對(duì)此問(wèn)題,本文提出了一種基于模糊C 均值聚類(Fuzzy C-means clustering,F(xiàn)CM)改進(jìn)的長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,對(duì)不同聚類類型下的出力數(shù)據(jù)以及溫度、地表向下太陽(yáng)輻射、總云量等多種氣象因素進(jìn)行關(guān)聯(lián)度分析,確定不同類型下模型的輸入,分別構(gòu)建相應(yīng)的預(yù)測(cè)模型,提高了模型在不同情景下的適用性以及對(duì)光熱電站出力預(yù)測(cè)的精度.

    1 數(shù)據(jù)與方法

    1.1 實(shí)驗(yàn)數(shù)據(jù)

    本文選取青海省某光熱電站作為研究對(duì)象.青海省太陽(yáng)能資源約占全國(guó)11%,光熱資源居全國(guó)第二,太陽(yáng)能利用價(jià)值高且擁有大量可開(kāi)發(fā)的戈壁、沙漠、荒漠. 選取實(shí)驗(yàn)數(shù)據(jù)為該電站2021 年10 月1 日至12 月31 日的小時(shí)數(shù)據(jù),通過(guò)三次樣條插值法對(duì)實(shí)驗(yàn)數(shù)據(jù)中的異常值進(jìn)行修正.之后對(duì)修正數(shù)據(jù)進(jìn)行劃分,使用2021 年10 月1 日至12 月20 日的數(shù)據(jù)訓(xùn)練并驗(yàn)證模型,將2021 年12 月21 日至12 月31 日的數(shù)據(jù)作為測(cè)試集,用來(lái)測(cè)試模型的準(zhǔn)確性.

    研究中的氣象因素包括溫度(T,℃)、地表向下太陽(yáng)輻射(SSRD,J?m-2)、風(fēng)速(WS,m?s-1)、總云量(TCC)、表面壓力(SP,Pa)五大氣象因素,這些氣象資料來(lái)自ERA5 再分析資料,空間分辨率為0.25°×0.25°,是歐洲中期天氣預(yù)報(bào)中心(European centre for medium-range weather forecasts,ECMWF)對(duì)全球氣候的第五代大氣再分析產(chǎn)品,目前已有多項(xiàng)研究[20-24]證明其在我國(guó)的氣候模擬和評(píng)估中具有良好的適用性.

    1.2 實(shí)驗(yàn)方法

    1.2.1 模糊C 均值聚類分析

    FCM 是一種由Dunn[25]提出的聚類分析方法.相比于K-means 等硬聚類分析,F(xiàn)CM 引入了模糊理論,它根據(jù)樣本與聚類中心的相似程度,按照每組數(shù)據(jù)對(duì)聚類中心隸屬度組成的隸屬度矩陣來(lái)確定每組數(shù)據(jù)歸屬于某一類的概率,從而得到更加靈活的聚類結(jié)果[26].

    模糊C 均值聚類通過(guò)使目標(biāo)函數(shù)取得最小值從而得到聚類中心. 聚類的過(guò)程就是不斷迭代更新隸屬度矩陣U和聚類中心c,使目標(biāo)函數(shù)取得最小值的過(guò)程. 具體步驟如下:

    定義目標(biāo)函數(shù)J:

    式中:N表示樣本數(shù);C表示聚類中心數(shù);uij表示某一樣本對(duì)聚類中心的隸屬度;m表示模糊指數(shù),1

    步驟1:初始化隸屬度矩陣U0.U0為uij組成的初始化隸屬度矩陣,表示每個(gè)樣本歸屬于每個(gè)類的概率.

    每個(gè)樣本對(duì)于每個(gè)類的隸屬度之和為1,越接近于1 表示隸屬度越高,每個(gè)樣本點(diǎn)歸屬于隸屬度最大的一類.

    步驟2:初始化聚類中心c0.

    步驟3:迭代聚類.

    終止條件:

    式中:μ表示迭代次數(shù);ε表示誤差閾值.

    從式(2)與式(3)中可以看出uij與ci是相互關(guān)聯(lián)的,從初始隸屬度矩陣U0和初始聚類中心c0開(kāi)始迭代,不斷更新U與c,目標(biāo)函數(shù)J也在隨之變化,達(dá)到終止條件后停止迭代,得到最終的U、c以及各樣本的聚類結(jié)果.

    1.2.2 長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)

    長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)是Hochreiter 和Schmidhuber[27]提出的一種循環(huán)神經(jīng)網(wǎng)絡(luò). 如圖1 所示,當(dāng)前細(xì)胞的輸入包括新的輸入信息以及由上一個(gè)記憶細(xì)胞傳遞的信息,輸出包括當(dāng)前細(xì)胞的狀態(tài)以及預(yù)測(cè)值.

    圖1 LSTM 的cell 示意圖Fig.1 Cell diagram of LSTM

    假設(shè)t時(shí)刻模型輸入變量為yt,則數(shù)據(jù)的處理過(guò)程可表示為:

    式(5)~(10)中,σ為sigmoid 激活函數(shù),tanh 為雙曲正切函數(shù),It為t時(shí)刻輸入門,F(xiàn)t為t時(shí)刻遺忘門,zt為臨時(shí)記憶細(xì)胞狀態(tài),Zt為t時(shí)刻記憶細(xì)胞狀態(tài),Zt-1為t-1 時(shí)刻記憶細(xì)胞狀態(tài),Ot為t時(shí)刻輸出門,ht為t時(shí)刻細(xì)胞輸出,ht-1為t-1 時(shí)刻細(xì)胞輸出,WI、VI、WF、VF、Wz、Vz、WO、VO分 別 為ht-1和yt在輸入門、遺忘門、輸入細(xì)胞狀態(tài)、輸出門的權(quán)重矩陣,bI、bF、bz、bO為輸入門、遺忘門、輸入細(xì)胞狀態(tài)、輸出門的偏置向量.

    LSTM 神經(jīng)網(wǎng)絡(luò)模型中,每個(gè)單元包括輸入層、隱藏層和輸出層. 隱藏層決定保留多少上一時(shí)刻的記憶細(xì)胞狀態(tài),t時(shí)刻的樣本yt及上一時(shí)刻的輸出信息ht-1輸入后,經(jīng)sigmoid 函數(shù)輸出信號(hào)Ft后與Zt-1相乘;在輸入層中,經(jīng)過(guò)tanh 函數(shù)的yt與ht-1形成當(dāng)前時(shí)刻的臨時(shí)記憶細(xì)胞狀態(tài)zt,輸入信息經(jīng)過(guò)sigmoid 函數(shù)后輸出It,用來(lái)決定需要更新的信息;樣本在經(jīng)過(guò)隱藏層和輸入層后通過(guò)式(8)得到當(dāng)前時(shí)刻的細(xì)胞狀態(tài)Zt;輸入的yt、ht-1與Zt經(jīng)過(guò)輸出門后得到當(dāng)前時(shí)刻的輸出ht. 每經(jīng)過(guò)一次LSTM 細(xì)胞,記憶細(xì)胞狀態(tài)就會(huì)更新一次,使得更新信息的權(quán)重不斷變化,從而避免了梯度消失和梯度膨脹的問(wèn)題[28].

    1.2.3 評(píng)價(jià)指標(biāo)

    使用戴維森堡丁指數(shù)(Davies-bouldin index,DBI)和輪廓系數(shù)(Silhouette coefficient,SC)來(lái)評(píng)價(jià)聚類結(jié)果[18]. 其中DBI 包含了類內(nèi)距離和類間距離,DBI值越小,聚類結(jié)果越好. DBI 計(jì)算公式為:

    式中:n表示類別數(shù);Si、Sj分別表示類別i和類別j中所有的點(diǎn)到中心的平均距離;ci、cj分別表示第i個(gè)和第j個(gè)聚類中心.

    SC 也是一種評(píng)價(jià)聚類結(jié)果的常用指標(biāo),SC 越大,聚類效果越好. SC 計(jì)算公式為:

    式中:ai表示第i個(gè)樣本與類內(nèi)其他樣本之間的平均距離;di表示第i個(gè)樣本與其他類別中距離最近的類別內(nèi)樣本的平均距離;Li表示單個(gè)樣本的輪廓系數(shù);Nk表示第k類的樣本個(gè)數(shù).

    使用均方根誤差(Root mean square error,RMSE)、平均絕對(duì)誤差(Mean absolute error,MAE)對(duì)模型預(yù)測(cè)結(jié)果進(jìn)行評(píng)價(jià).

    式中:N表示樣 本 個(gè)數(shù); α表示實(shí)測(cè)值; β表示 預(yù)測(cè)值.

    本文所構(gòu)建的FCM–LSTM 預(yù)測(cè)模型流程圖如圖2 所示. 首先,使用三次樣條插值法對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理,之后使用FCM 算法進(jìn)行聚類分析,將天氣數(shù)據(jù)劃分為不同類型,并通過(guò)計(jì)算不同類型下各因子之間的皮爾遜相關(guān)系數(shù)來(lái)確定不同類型模型的輸入,得到對(duì)應(yīng)預(yù)測(cè)模型;最后使用測(cè)試集對(duì)模型進(jìn)行準(zhǔn)確性測(cè)試.

    圖2 FCM–LSTM 模型流程圖Fig.2 Flowchart of the FCM–LSTM model

    2 實(shí)驗(yàn)結(jié)果

    2.1 預(yù)測(cè)模型輸入確定

    對(duì)2021 年10 月1 日至12 月20 日的氣象數(shù)據(jù)進(jìn)行FCM 聚類分析,當(dāng)聚類個(gè)數(shù)從2 增加到8 時(shí),DBI 與SC 的變化趨勢(shì)如圖3 所示. 從圖中可以看出,聚類個(gè)數(shù)為3 時(shí),DBI 最小,SC 最大,聚類效果最好. 因此,將樣本分為Ⅰ、Ⅱ、Ⅲ三種類型.

    圖3 DBI、SC 的變化趨勢(shì)Fig.3 Trends of DBI and SC

    為進(jìn)一步確定不同類型下模型的輸入,通過(guò)皮爾遜相關(guān)系數(shù)計(jì)算出各類型下出力和氣象數(shù)據(jù)中各因子之間的相關(guān)性,結(jié)果如圖4 所示. 從圖中可以看出,因子間的正相關(guān)性較大時(shí),對(duì)應(yīng)色塊呈現(xiàn)出較深的紅色,負(fù)相關(guān)性較大時(shí),色塊呈現(xiàn)出較深的藍(lán)色. 根據(jù)各類型因子間的相關(guān)性確定對(duì)應(yīng)模型的輸入氣象因素,其中將溫度、地表向下太陽(yáng)輻射作為類型Ⅰ的氣象輸入,類型Ⅱ的氣象輸入為溫度、地表向下太陽(yáng)輻射、總云量以及表面壓力,溫度、地表向下太陽(yáng)輻射、總云量為類型Ⅲ的氣象輸入.

    圖4 不同類型下各因子間的相關(guān)性Fig.4 Correlation between factors under different types

    2.2 預(yù)測(cè)模型構(gòu)建

    通過(guò)圖4 確定各類型預(yù)測(cè)模型的輸入后,對(duì)已分類的2021 年10 月1 日至12 月20 日的出力和氣象數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化,使用標(biāo)準(zhǔn)化的分類數(shù)據(jù)分別訓(xùn)練驗(yàn)證三種不同的預(yù)測(cè)模型. FCM–LSTM 預(yù)測(cè)模型基于Python 3.7.4 環(huán)境,使用pandas 庫(kù)對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行處理,使用Keras 深度學(xué)習(xí)框架搭建預(yù)測(cè)模型,使用反向傳播算法作為解法器來(lái)求解模型參數(shù). 超參數(shù)的設(shè)置對(duì)模型的預(yù)測(cè)精度起著關(guān)鍵作用,使用網(wǎng)格搜索和交叉驗(yàn)證(Grid Search CV),確定各類型預(yù)測(cè)模型的輸入維度(Input dimension)、批大?。˙atch_size)、迭代次數(shù)(Epochs)、優(yōu)化器(Optimizer),最終結(jié)果如表1 所示.

    表1 預(yù)測(cè)模型參數(shù)信息Table 1 Parameters of the prediction models

    3 討論

    3.1 預(yù)測(cè)結(jié)果對(duì)比

    為驗(yàn)證所提預(yù)測(cè)模型的準(zhǔn)確性,選取LSTM神經(jīng)網(wǎng)絡(luò)模型、BP 神經(jīng)網(wǎng)絡(luò)模型、支持向量機(jī)(Support vector machines,SVM)模型、隨機(jī)森林模型進(jìn)行對(duì)比. 由圖4 可以得到四種對(duì)比模型的輸入氣象因素為溫度、地表向下太陽(yáng)輻射、總云量、表面壓力. 使用與FCM–LSTM 模型相同的方法對(duì)四種對(duì)比模型進(jìn)行超參數(shù)優(yōu)化,結(jié)果如表2 所示.

    表2 對(duì)比模型參數(shù)信息Table 2 Parameters of the compared models

    通過(guò)計(jì)算測(cè)試集各樣本與三個(gè)聚類中心間的隸屬度,根據(jù)隸屬度的不同來(lái)確定各個(gè)樣本的所屬類別,隸屬度計(jì)算結(jié)果如圖5 所示. 使用構(gòu)建的FCM–LSTM 預(yù)測(cè)模型分別對(duì)三種類型下的測(cè)試數(shù)據(jù)進(jìn)行預(yù)測(cè)分析,并將預(yù)測(cè)結(jié)果與對(duì)比模型的預(yù)測(cè)結(jié)果進(jìn)行比較.

    圖5 測(cè)試集隸屬度Fig.5 Membership degree of the test set

    五種模型的預(yù)測(cè)結(jié)果如圖6 所示,整體來(lái)看,各模型均能大致預(yù)測(cè)出實(shí)際出力的趨勢(shì),其中在波谷時(shí)段各模型的預(yù)測(cè)結(jié)果差別較小,在波峰時(shí)段BP 神經(jīng)網(wǎng)絡(luò)模型、RF 模型和SVM 模型的預(yù)測(cè)結(jié)果偏差較大;從局部來(lái)看,F(xiàn)CM–LSTM 和LSTM兩種模型的擬合度更高,RF 模型可以擬合出波峰處的大致變化趨勢(shì),但預(yù)測(cè)結(jié)果偏差較大,其他兩種模型無(wú)法預(yù)測(cè)出波峰處的細(xì)節(jié)變化. 綜上,F(xiàn)CM–LSTM 模型與LSTM 神經(jīng)網(wǎng)絡(luò)模型可以在一定程度上預(yù)測(cè)出實(shí)際出力曲線的變化,其中前者更加貼合真實(shí)值,這表明使用FCM 聚類分析對(duì)數(shù)據(jù)進(jìn)行分類是一種提高模型預(yù)測(cè)性能的有效方法.

    3.2 預(yù)測(cè)誤差對(duì)比

    圖7 表示各時(shí)刻五種模型預(yù)測(cè)結(jié)果與實(shí)際值間的絕對(duì)誤差,從圖中可以看出FCM–LSTM 模型誤差最小,誤差曲線與圖中虛線最為接近,LSTM神經(jīng)網(wǎng)絡(luò)模型在個(gè)別時(shí)刻處的誤差較大,其他三種模型的誤差明顯大于FCM–LSTM、LSTM 兩種模型,波峰時(shí)段大部分誤差值均在5 MW 以上,其中SVM 模型預(yù)測(cè)結(jié)果誤差最大,在某些時(shí)刻處的誤差值超過(guò)了10 MW.

    圖7 五種模型的預(yù)測(cè)誤差Fig.7 Prediction errors of the five models

    表3 為五種模型預(yù)測(cè)結(jié)果的均方根誤差和平均絕對(duì)誤差. 從表中可以看出,F(xiàn)CM–LSTM 模型擬合程度最好,預(yù)測(cè)精度明顯優(yōu)于其他兩種模型.FCM–LSTM 預(yù)測(cè)模型與其他模型相比,在RMSE方面降低了30%~44%;在MAE 方面降低了30%左右. 表3 的結(jié)果與圖6、圖7 的分析相一致,進(jìn)一步證明了FCM–LSTM 模型的有效性和優(yōu)越性.

    表3 五種模型的評(píng)價(jià)指標(biāo)Table 3 Evaluation index of the five models

    4 結(jié)論

    (1)針對(duì)短期光熱出力預(yù)測(cè)問(wèn)題,本研究提出了一種FCM–LSTM 預(yù)測(cè)模型,首先使用三次樣條插值法對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行預(yù)處理,然后使用FCM 聚類算法對(duì)數(shù)據(jù)進(jìn)行聚類分析,實(shí)現(xiàn)了對(duì)不同類型實(shí)驗(yàn)數(shù)據(jù)的劃分,之后根據(jù)各因子間的相關(guān)系數(shù)確定不同聚類類型下預(yù)測(cè)模型的輸入變量,最后構(gòu)建出不同類型下的預(yù)測(cè)模型,并測(cè)試了模型的準(zhǔn)確度.

    (2)采用FCM 聚類算法與相關(guān)性分析,得到不同類型下各因子間的相關(guān)系數(shù),確定不同類型預(yù)測(cè)模型的輸入變量,充分考慮了數(shù)據(jù)間的復(fù)雜關(guān)系,提高了模型的預(yù)測(cè)精度. 通過(guò)與多種對(duì)比模型的預(yù)測(cè)結(jié)果進(jìn)行比較分析,發(fā)現(xiàn)FCM–LSTM 模型的預(yù)測(cè)精度得到了明顯提高,證明了所提方法可以有效提高光熱出力預(yù)測(cè)精度.

    (3)雖然本文對(duì)光熱出力預(yù)測(cè)進(jìn)行了改進(jìn),但從實(shí)驗(yàn)過(guò)程來(lái)看,研究可用的樣本仍不充分,在一定程度上影響了模型的訓(xùn)練結(jié)果;其次,對(duì)氣象數(shù)據(jù)進(jìn)行分析時(shí),采用的聚類分析方法的不同可能會(huì)對(duì)最終的預(yù)測(cè)精度造成影響. 因此,未來(lái)研究將通過(guò)增加樣本容量進(jìn)行模型訓(xùn)練,進(jìn)而提高預(yù)測(cè)模型的精度和普適性;另一方面,未來(lái)將通過(guò)對(duì)比不同的聚類方法和評(píng)價(jià)指標(biāo),優(yōu)化影響因素的聚類結(jié)果,實(shí)現(xiàn)預(yù)測(cè)模型精確度的進(jìn)一步提升.

    猜你喜歡
    光熱出力聚類
    基于DBSACN聚類算法的XML文檔聚類
    光熱荊棘難破
    能源(2017年9期)2017-10-18 00:48:24
    太陽(yáng)能光熱與光伏制冷系統(tǒng)對(duì)比分析
    風(fēng)電場(chǎng)有功出力的EEMD特性分析
    德令哈 雪山下的光熱之都
    能源(2016年10期)2016-02-28 11:33:24
    要爭(zhēng)做出力出彩的黨員干部
    河南電力(2016年5期)2016-02-06 02:11:35
    基于改進(jìn)的遺傳算法的模糊聚類算法
    太陽(yáng)能光熱利用淺析
    風(fēng)電場(chǎng)群出力的匯聚效應(yīng)分析
    一種層次初始的聚類個(gè)數(shù)自適應(yīng)的聚類方法研究
    av国产免费在线观看| 一级毛片我不卡| 成人鲁丝片一二三区免费| 久久午夜福利片| 国产精品一二三区在线看| 国产精品嫩草影院av在线观看| 啦啦啦观看免费观看视频高清| 99热全是精品| 一边亲一边摸免费视频| 日韩av在线大香蕉| 免费看日本二区| 99精品在免费线老司机午夜| 国产精品一二三区在线看| 你懂的网址亚洲精品在线观看 | av在线蜜桃| 国产老妇伦熟女老妇高清| 我要看日韩黄色一级片| 中文字幕精品亚洲无线码一区| 久久久a久久爽久久v久久| 九草在线视频观看| 成人国产麻豆网| 国产精品日韩av在线免费观看| 九九热线精品视视频播放| 国产亚洲91精品色在线| 黑人高潮一二区| 高清日韩中文字幕在线| 国产一区二区在线av高清观看| 中文字幕熟女人妻在线| 一本—道久久a久久精品蜜桃钙片 精品乱码久久久久久99久播 | 亚洲成av人片在线播放无| 日本黄色片子视频| 如何舔出高潮| 国内久久婷婷六月综合欲色啪| 99精品在免费线老司机午夜| 看免费成人av毛片| 两性午夜刺激爽爽歪歪视频在线观看| av天堂中文字幕网| 国产精品综合久久久久久久免费| 亚洲一区二区三区色噜噜| 日产精品乱码卡一卡2卡三| 欧美变态另类bdsm刘玥| 日韩一区二区视频免费看| 亚洲,欧美,日韩| 亚洲最大成人中文| 亚洲三级黄色毛片| 日韩成人伦理影院| av天堂中文字幕网| 91午夜精品亚洲一区二区三区| 又粗又爽又猛毛片免费看| 亚洲电影在线观看av| 寂寞人妻少妇视频99o| 老熟妇乱子伦视频在线观看| 亚洲av二区三区四区| 久久精品国产亚洲av涩爱 | 只有这里有精品99| 精品久久久久久久久亚洲| 精品久久久久久久久亚洲| 国产私拍福利视频在线观看| 欧美一区二区亚洲| 日韩成人av中文字幕在线观看| 超碰av人人做人人爽久久| 我要看日韩黄色一级片| 丰满的人妻完整版| 国产黄a三级三级三级人| АⅤ资源中文在线天堂| 成年女人永久免费观看视频| 亚洲精品国产成人久久av| or卡值多少钱| 男人的好看免费观看在线视频| 久久九九热精品免费| 毛片一级片免费看久久久久| 校园人妻丝袜中文字幕| 蜜桃亚洲精品一区二区三区| 伦理电影大哥的女人| 国产一区二区三区av在线 | 91精品一卡2卡3卡4卡| 国产精品综合久久久久久久免费| 超碰av人人做人人爽久久| 夜夜夜夜夜久久久久| 国产精品人妻久久久久久| 成人毛片a级毛片在线播放| 久久中文看片网| 欧美成人一区二区免费高清观看| 亚洲第一电影网av| 成人特级黄色片久久久久久久| 在线免费观看的www视频| 99久久精品国产国产毛片| 国产在视频线在精品| 婷婷精品国产亚洲av| 99久久精品热视频| 亚洲av免费高清在线观看| 日韩视频在线欧美| 亚洲精品亚洲一区二区| 成人漫画全彩无遮挡| a级毛色黄片| 国产亚洲精品av在线| av在线观看视频网站免费| 欧美一区二区亚洲| av黄色大香蕉| 国产三级中文精品| 91久久精品国产一区二区成人| 免费黄网站久久成人精品| 成人午夜精彩视频在线观看| 99久久九九国产精品国产免费| 日韩国内少妇激情av| 国产精品99久久久久久久久| 大型黄色视频在线免费观看| 国产精品女同一区二区软件| 久久精品国产亚洲av天美| 日本成人三级电影网站| 亚洲欧洲日产国产| 桃色一区二区三区在线观看| 99热这里只有是精品在线观看| 麻豆一二三区av精品| ponron亚洲| 九九热线精品视视频播放| 美女高潮的动态| 精品久久久久久久人妻蜜臀av| 欧美最新免费一区二区三区| av天堂在线播放| 日韩一本色道免费dvd| 男女做爰动态图高潮gif福利片| 丰满的人妻完整版| 亚洲精品国产av成人精品| 国产色婷婷99| 国产爱豆传媒在线观看| 小说图片视频综合网站| 日韩欧美 国产精品| 又粗又硬又长又爽又黄的视频 | 国产探花在线观看一区二区| 天天躁夜夜躁狠狠久久av| 成人国产麻豆网| 免费搜索国产男女视频| 精品人妻一区二区三区麻豆| 国产精品一区二区在线观看99 | 亚洲av免费高清在线观看| 欧美另类亚洲清纯唯美| 悠悠久久av| 欧美精品国产亚洲| 99久国产av精品国产电影| 精品久久久久久成人av| 美女被艹到高潮喷水动态| 一级黄色大片毛片| 国产一级毛片七仙女欲春2| 五月伊人婷婷丁香| 麻豆久久精品国产亚洲av| 亚洲真实伦在线观看| 小说图片视频综合网站| 免费av观看视频| 国产色爽女视频免费观看| 亚洲av电影不卡..在线观看| 性欧美人与动物交配| 国产色婷婷99| 欧美日韩综合久久久久久| 深夜a级毛片| 国内揄拍国产精品人妻在线| av免费观看日本| 国产精品av视频在线免费观看| 久久精品综合一区二区三区| 亚洲婷婷狠狠爱综合网| 最近2019中文字幕mv第一页| 又黄又爽又刺激的免费视频.| 特级一级黄色大片| 久久鲁丝午夜福利片| 99久久久亚洲精品蜜臀av| 日本色播在线视频| 久久久久久久午夜电影| 夜夜爽天天搞| 精品无人区乱码1区二区| 国产乱人偷精品视频| 久久久欧美国产精品| 国产精品.久久久| 在线观看66精品国产| 身体一侧抽搐| 国产伦精品一区二区三区视频9| 97超视频在线观看视频| 黄色视频,在线免费观看| 激情 狠狠 欧美| 在线观看午夜福利视频| av在线老鸭窝| 日韩人妻高清精品专区| 日本免费a在线| 久久久国产成人精品二区| 97超碰精品成人国产| 国产爱豆传媒在线观看| 在线观看午夜福利视频| 赤兔流量卡办理| 亚洲激情五月婷婷啪啪| 国产黄色小视频在线观看| 久久人人爽人人片av| kizo精华| 26uuu在线亚洲综合色| 嫩草影院入口| 老师上课跳d突然被开到最大视频| 国内少妇人妻偷人精品xxx网站| a级毛片免费高清观看在线播放| 午夜激情欧美在线| 成人永久免费在线观看视频| 久久亚洲精品不卡| 精品欧美国产一区二区三| 可以在线观看毛片的网站| 1000部很黄的大片| 免费看美女性在线毛片视频| 日韩大尺度精品在线看网址| 久久精品人妻少妇| 免费观看人在逋| 国产v大片淫在线免费观看| 岛国毛片在线播放| 五月玫瑰六月丁香| 欧美丝袜亚洲另类| 天天一区二区日本电影三级| 亚洲精品成人久久久久久| 99国产精品一区二区蜜桃av| 亚洲不卡免费看| 国产高清不卡午夜福利| 黑人高潮一二区| 可以在线观看的亚洲视频| 97超碰精品成人国产| 国产午夜精品久久久久久一区二区三区| 国产黄色小视频在线观看| 久久精品国产亚洲av天美| 欧美激情国产日韩精品一区| 99热网站在线观看| 日本撒尿小便嘘嘘汇集6| 伊人久久精品亚洲午夜| 日韩精品有码人妻一区| 国产亚洲av嫩草精品影院| 久久久精品大字幕| 精品人妻视频免费看| 久久九九热精品免费| 国产av麻豆久久久久久久| 欧美日本亚洲视频在线播放| 天天躁日日操中文字幕| 国产探花在线观看一区二区| 人人妻人人澡欧美一区二区| 岛国在线免费视频观看| 啦啦啦观看免费观看视频高清| 精品人妻偷拍中文字幕| 欧美日韩乱码在线| 国产精品麻豆人妻色哟哟久久 | 日韩欧美精品免费久久| 精品久久久久久久久久免费视频| 亚洲精品日韩av片在线观看| 亚洲精品影视一区二区三区av| 国产91av在线免费观看| 夜夜夜夜夜久久久久| 日韩成人av中文字幕在线观看| 午夜老司机福利剧场| 女人被狂操c到高潮| 国产色爽女视频免费观看| 中国美白少妇内射xxxbb| 不卡视频在线观看欧美| 在线观看av片永久免费下载| eeuss影院久久| 国产蜜桃级精品一区二区三区| or卡值多少钱| 午夜免费激情av| 别揉我奶头 嗯啊视频| 人体艺术视频欧美日本| av卡一久久| 啦啦啦韩国在线观看视频| 亚洲国产精品sss在线观看| 午夜爱爱视频在线播放| 大香蕉久久网| 国产视频首页在线观看| 精品人妻一区二区三区麻豆| 少妇人妻一区二区三区视频| 一本久久精品| 亚洲av二区三区四区| 国产一区二区在线av高清观看| 特大巨黑吊av在线直播| 欧美日本亚洲视频在线播放| 久久久久网色| 国产白丝娇喘喷水9色精品| 亚洲国产欧美人成| 国产精品永久免费网站| 91午夜精品亚洲一区二区三区| 成人午夜高清在线视频| 亚洲av中文字字幕乱码综合| 欧美日韩在线观看h| 国产精品美女特级片免费视频播放器| 在线国产一区二区在线| 国产午夜精品久久久久久一区二区三区| 日韩高清综合在线| 大又大粗又爽又黄少妇毛片口| 日韩精品有码人妻一区| 日本欧美国产在线视频| 少妇熟女aⅴ在线视频| 村上凉子中文字幕在线| 国产真实伦视频高清在线观看| 亚洲国产精品成人综合色| 又黄又爽又刺激的免费视频.| 国产三级中文精品| 在线观看午夜福利视频| 成人永久免费在线观看视频| 国产精品国产三级国产av玫瑰| 99久国产av精品| 不卡一级毛片| 夜夜爽天天搞| 日韩在线高清观看一区二区三区| 免费不卡的大黄色大毛片视频在线观看 | 亚洲国产欧美人成| 99久久人妻综合| 国内少妇人妻偷人精品xxx网站| 亚洲av一区综合| 久久这里有精品视频免费| 精品久久久久久久末码| a级毛色黄片| 欧美日韩综合久久久久久| 乱人视频在线观看| 丝袜喷水一区| 久久精品久久久久久噜噜老黄 | 亚洲欧美成人综合另类久久久 | 不卡一级毛片| 99久久中文字幕三级久久日本| 国产成人福利小说| 热99re8久久精品国产| 国产精品不卡视频一区二区| 国产亚洲5aaaaa淫片| 黑人高潮一二区| 黄色视频,在线免费观看| 青春草国产在线视频 | 色5月婷婷丁香| 日韩av不卡免费在线播放| 男女边吃奶边做爰视频| 国产淫片久久久久久久久| 久久久久久久亚洲中文字幕| 成人亚洲欧美一区二区av| 有码 亚洲区| 色尼玛亚洲综合影院| 九九在线视频观看精品| 美女国产视频在线观看| 美女内射精品一级片tv| 婷婷色av中文字幕| 青春草视频在线免费观看| 亚洲人成网站在线播放欧美日韩| www.色视频.com| 狂野欧美激情性xxxx在线观看| 成人亚洲精品av一区二区| 少妇高潮的动态图| 爱豆传媒免费全集在线观看| 午夜老司机福利剧场| 十八禁国产超污无遮挡网站| 午夜福利在线观看免费完整高清在 | 一个人看的www免费观看视频| 看非洲黑人一级黄片| 精品久久久久久久末码| 国产综合懂色| 国产一级毛片七仙女欲春2| 亚洲国产欧洲综合997久久,| 亚洲最大成人手机在线| 可以在线观看毛片的网站| 日本黄大片高清| 美女xxoo啪啪120秒动态图| 又爽又黄无遮挡网站| 成年版毛片免费区| 午夜福利高清视频| 99久久人妻综合| 在线免费十八禁| 成人欧美大片| 中文字幕av成人在线电影| 九九热线精品视视频播放| 精品无人区乱码1区二区| 久久精品国产亚洲av涩爱 | 亚洲婷婷狠狠爱综合网| 老司机福利观看| 欧美潮喷喷水| 日本免费一区二区三区高清不卡| 亚洲最大成人av| 中文字幕精品亚洲无线码一区| 在线国产一区二区在线| eeuss影院久久| 中国美女看黄片| 天堂影院成人在线观看| 久久久久久久久久成人| www日本黄色视频网| 69av精品久久久久久| 亚洲久久久久久中文字幕| 看免费成人av毛片| 亚洲av男天堂| 嫩草影院精品99| 麻豆国产av国片精品| 成人欧美大片| 精品不卡国产一区二区三区| 国产成人福利小说| 亚洲一区高清亚洲精品| 观看免费一级毛片| 日韩成人伦理影院| 国产午夜精品久久久久久一区二区三区| 国产一区二区三区在线臀色熟女| 一本久久中文字幕| 中文在线观看免费www的网站| 国产老妇女一区| 亚洲自偷自拍三级| 麻豆成人午夜福利视频| 高清在线视频一区二区三区 | 国产亚洲av嫩草精品影院| 日韩视频在线欧美| 午夜福利在线在线| av免费在线看不卡| 美女cb高潮喷水在线观看| 日韩欧美国产在线观看| 成年版毛片免费区| 色噜噜av男人的天堂激情| 美女xxoo啪啪120秒动态图| 国产av一区在线观看免费| 美女大奶头视频| 亚洲国产色片| 免费观看在线日韩| 亚洲四区av| 亚洲性久久影院| 成人特级av手机在线观看| 99精品在免费线老司机午夜| 国产男人的电影天堂91| 国产日韩欧美在线精品| АⅤ资源中文在线天堂| 尤物成人国产欧美一区二区三区| 久久精品国产清高在天天线| 亚洲国产精品国产精品| 熟女人妻精品中文字幕| 亚洲最大成人中文| 亚洲国产精品sss在线观看| 久久6这里有精品| 成年av动漫网址| 身体一侧抽搐| 超碰av人人做人人爽久久| 欧美极品一区二区三区四区| 你懂的网址亚洲精品在线观看 | av.在线天堂| 精品人妻偷拍中文字幕| or卡值多少钱| 欧美成人精品欧美一级黄| 九草在线视频观看| 日韩欧美一区二区三区在线观看| 免费人成视频x8x8入口观看| 一个人看的www免费观看视频| 成人午夜高清在线视频| 大香蕉久久网| 我要搜黄色片| 亚洲在久久综合| 综合色丁香网| 欧美高清成人免费视频www| 久久久精品94久久精品| 亚洲精品乱码久久久v下载方式| 91狼人影院| 色综合亚洲欧美另类图片| 老司机影院成人| 亚洲,欧美,日韩| 美女黄网站色视频| 国产麻豆成人av免费视频| 特大巨黑吊av在线直播| 性欧美人与动物交配| 久久久久国产网址| 淫秽高清视频在线观看| 亚洲久久久久久中文字幕| 国产免费男女视频| 国产男人的电影天堂91| 欧美成人精品欧美一级黄| 人人妻人人澡人人爽人人夜夜 | 久久人人精品亚洲av| 亚州av有码| 国产一级毛片在线| 日本黄大片高清| 午夜亚洲福利在线播放| 啦啦啦韩国在线观看视频| 日韩制服骚丝袜av| 在线免费十八禁| 网址你懂的国产日韩在线| 一级毛片电影观看 | 中文欧美无线码| 性色avwww在线观看| 日韩成人伦理影院| 青春草亚洲视频在线观看| 尾随美女入室| а√天堂www在线а√下载| 九九在线视频观看精品| 日本一二三区视频观看| 亚洲第一区二区三区不卡| 麻豆成人午夜福利视频| 国产极品精品免费视频能看的| 国产成人影院久久av| 日本熟妇午夜| 亚洲五月天丁香| 欧美区成人在线视频| 国模一区二区三区四区视频| ponron亚洲| 99热6这里只有精品| 此物有八面人人有两片| 非洲黑人性xxxx精品又粗又长| 国产不卡一卡二| 色尼玛亚洲综合影院| 国产精品一及| 亚洲天堂国产精品一区在线| 搡女人真爽免费视频火全软件| 精品99又大又爽又粗少妇毛片| 男女下面进入的视频免费午夜| 色尼玛亚洲综合影院| 国产精品久久久久久亚洲av鲁大| 欧美成人免费av一区二区三区| 黄片wwwwww| 亚洲国产精品国产精品| 日韩三级伦理在线观看| 精品国内亚洲2022精品成人| 日本免费一区二区三区高清不卡| 国产精品精品国产色婷婷| 高清在线视频一区二区三区 | 尾随美女入室| 国产视频首页在线观看| 欧美日本视频| 18禁在线播放成人免费| 国产探花极品一区二区| 欧美一区二区亚洲| 黄色日韩在线| 日本一二三区视频观看| 人妻夜夜爽99麻豆av| 久99久视频精品免费| 波多野结衣高清无吗| 日韩高清综合在线| 中文资源天堂在线| 久久久久免费精品人妻一区二区| 日韩欧美一区二区三区在线观看| 美女 人体艺术 gogo| 永久网站在线| 精品久久久久久久末码| 熟妇人妻久久中文字幕3abv| 99在线人妻在线中文字幕| 国产精品美女特级片免费视频播放器| 欧美最新免费一区二区三区| 亚洲一级一片aⅴ在线观看| 麻豆av噜噜一区二区三区| 天天一区二区日本电影三级| 亚洲国产欧美人成| 又爽又黄a免费视频| 国产 一区精品| 桃色一区二区三区在线观看| 成人毛片a级毛片在线播放| 一边摸一边抽搐一进一小说| 色综合色国产| 午夜亚洲福利在线播放| 黄色日韩在线| 久久人人爽人人片av| 久久精品国产自在天天线| 欧美潮喷喷水| 日本免费a在线| 久久久久久久久久成人| 日韩欧美精品免费久久| 身体一侧抽搐| 国产69精品久久久久777片| 97超视频在线观看视频| 丝袜喷水一区| 亚州av有码| 免费av观看视频| 一本久久精品| 亚洲激情五月婷婷啪啪| 国产在视频线在精品| 色哟哟·www| 久久久欧美国产精品| 欧美激情在线99| 国产精品.久久久| 三级毛片av免费| www日本黄色视频网| 日韩一区二区视频免费看| 美女内射精品一级片tv| 亚洲真实伦在线观看| 十八禁国产超污无遮挡网站| 69人妻影院| 午夜福利高清视频| 蜜桃久久精品国产亚洲av| 综合色av麻豆| 日本黄色视频三级网站网址| 非洲黑人性xxxx精品又粗又长| 日本与韩国留学比较| 日韩欧美三级三区| 午夜福利成人在线免费观看| 亚洲精品自拍成人| 99久久精品国产国产毛片| .国产精品久久| 亚洲欧美日韩卡通动漫| 三级经典国产精品| 欧美性感艳星| 成人永久免费在线观看视频| 变态另类丝袜制服| 精品久久久久久久久久免费视频| 丰满的人妻完整版| 99热6这里只有精品| av.在线天堂| 美女内射精品一级片tv| 久久久久国产网址| 久久综合国产亚洲精品| 搞女人的毛片| 在线观看美女被高潮喷水网站| 亚洲人成网站高清观看| 99热网站在线观看| 国产91av在线免费观看| 亚洲成人精品中文字幕电影| 亚洲成人久久爱视频| 亚洲欧洲国产日韩| 中文字幕av在线有码专区| 亚洲欧美清纯卡通| 麻豆久久精品国产亚洲av| 欧美成人免费av一区二区三区| 黑人高潮一二区| 国产在线精品亚洲第一网站| 精品久久久久久久久亚洲| 一级av片app| 日产精品乱码卡一卡2卡三| 非洲黑人性xxxx精品又粗又长| 2021天堂中文幕一二区在线观| 国产亚洲欧美98| 亚洲成人精品中文字幕电影| 日本黄色片子视频| 黄片无遮挡物在线观看| 日本撒尿小便嘘嘘汇集6| 中文字幕av成人在线电影| 日本一二三区视频观看|