Conformalized temporal convolutional quantile regression networks for wind power interval forecasting

分位数回归 风力发电 计算机科学 预测区间 分位数 水准点(测量) 区间(图论) 回归 数据挖掘 计量经济学 机器学习 统计 数学 工程类 组合数学 电气工程 地理 大地测量学
作者
Jianming Hu,Qingxi Luo,Jingwei Tang,Jiani Heng,Yuwen Deng
出处
期刊:Energy [Elsevier BV]
卷期号:248: 123497-123497 被引量:43
标识
DOI:10.1016/j.energy.2022.123497
摘要

Wind power interval prediction is an effective technique for quantifying forecasting uncertainty caused by the intermittent and fluctuant characteristics of wind energy. Valid coverage and short interval length are the two most critical targets in interval prediction to attain reliable and accurate information, providing effective support for decision-makers to better control the risks in the power planning. This paper proposes a novel interval prediction approach named conformalized temporal convolutional quantile regression networks (CTCQRN) which combines the conformalized quantile regression (CQR) algorithm with a temporal convolutional network (TCN), without making any distributional assumptions. The proposed model inherits the advantages of quantile regression and conformal prediction that is fully adaptive to heteroscedasticity implicated in data, and meets the theoretical guarantee of valid coverage. As opposed to conventional RNN-based approaches, the adopted TCN architecture frees from suffering iterative propagation and gradient vanishing/explosion, and can handle very long sequences in a parallel manner. Case studies on two different geographical wind power datasets show that the proposed model has a distinct edge over benchmark models in goals of valid coverage and narrow interval bandwidth, which can help to ensure the economic and secure operation of the electric power system.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
从容的巧曼完成签到 ,获得积分10
刚刚
细腻的山水完成签到 ,获得积分20
刚刚
marinemiao发布了新的文献求助10
1秒前
月亮完成签到,获得积分10
1秒前
2秒前
Yihahahaevd给Yihahahaevd的求助进行了留言
3秒前
4秒前
5秒前
科研通AI5应助AmbitionY采纳,获得10
5秒前
7秒前
八八九九九1完成签到,获得积分10
7秒前
8秒前
ShengQ发布了新的文献求助10
8秒前
方董发布了新的文献求助10
8秒前
marinemiao完成签到,获得积分10
9秒前
10秒前
三三发布了新的文献求助10
12秒前
俞秋烟发布了新的文献求助10
13秒前
14秒前
14秒前
爆米花应助贾克斯采纳,获得10
14秒前
帅气的小兔子完成签到 ,获得积分10
15秒前
核桃应助科研通管家采纳,获得10
18秒前
Owen应助科研通管家采纳,获得10
18秒前
所所应助科研通管家采纳,获得20
18秒前
小马甲应助科研通管家采纳,获得10
18秒前
18秒前
田様应助科研通管家采纳,获得10
18秒前
科研通AI5应助科研通管家采纳,获得10
18秒前
科研通AI5应助科研通管家采纳,获得10
18秒前
华仔应助科研通管家采纳,获得10
18秒前
彭于晏应助科研通管家采纳,获得10
19秒前
19秒前
summer发布了新的文献求助10
19秒前
llllllll发布了新的文献求助30
20秒前
21秒前
21秒前
LXhong完成签到,获得积分10
21秒前
MiraitoLee完成签到,获得积分10
21秒前
考博圣体完成签到 ,获得积分10
22秒前
高分求助中
Applied Survey Data Analysis (第三版, 2025) 800
Narcissistic Personality Disorder 700
Assessing and Diagnosing Young Children with Neurodevelopmental Disorders (2nd Edition) 700
The Elgar Companion to Consumer Behaviour and the Sustainable Development Goals 540
The Martian climate revisited: atmosphere and environment of a desert planet 500
Transnational East Asian Studies 400
Towards a spatial history of contemporary art in China 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3845261
求助须知:如何正确求助?哪些是违规求助? 3387384
关于积分的说明 10549216
捐赠科研通 3108109
什么是DOI,文献DOI怎么找? 1712430
邀请新用户注册赠送积分活动 824404
科研通“疑难数据库(出版商)”最低求助积分说明 774767