考虑缺失数据填补的分布式发电出力非参数端到端概率预测
系统与控制
2024-04-02 v1 机器学习
系统与控制
摘要
在本文中，我们引入了一种非参数端到端方法，用于分布式可再生能源出力的概率预测，同时包含缺失数据填补。首先，我们采用了一个利用长短期记忆（LSTM）网络的非参数概率预测模型，以对分布式可再生能源出力的概率分布进行建模。其次，我们设计了一个端到端训练过程，该过程通过迭代填补和基于迭代损失的训练过程来包含缺失数据填补。这种两步建模方法有效地结合了非参数方法和端到端方法的优势。因此，我们的方法在分布式可再生能源出力的概率预测中展现出了卓越能力，同时能有效处理缺失值。仿真结果证实了我们的方法与现有替代方法相比的优越性能。
引用
@article{arxiv.2404.00729,
title = {Nonparametric End-to-End Probabilistic Forecasting of Distributed Generation Outputs Considering Missing Data Imputation},
author = {Minghui Chen and Zichao Meng and Yanping Liu and Longbo Luo and Ye Guo and Kang Wang},
journal= {arXiv preprint arXiv:2404.00729},
year = {2024}
}