基于混合量子和深度学习模型的日前时空风速(能)预测
发布日期:2023-10-05 浏览次数:271
主讲人:台湾中原大学洪颖怡
讲座时间:2023-10-08 13:30:00
讲座地点:临港校区学术楼301
主办单位:旧版云顶国际yd222
主讲人简介:洪颖怡,1986毕业于成功大学电机所硕士班,1990毕业于清华大学电机所博士班。研究方向为电力系统安全性与稳定度分析、电能质量、电力市场、人工智能、可再生能源及微电网技术。洪颖怡教授2006-2012为中原大学电气信息学院院长,2012-2018为电机系特聘教授兼主秘,2019起为研发长,2022起为副校长。洪颖怡教授曾为中原大学研究杰出教授奖(2003、2006年)。于2006年获中国电机工程学会颁杰出电机工程教授奖之殊荣。洪颖怡教授曾任IEEE Power Engineering Society 2001 Taipei Chapter Chair,由美国IEEE Power Engineering Society总会于2000直接提名成为 Senior Member。英国IET (Institute of Engineering and Technology) 于2011年颁予Fellow荣衔。2013-2014起担任 IEEE Taipei Section之Vice Chair。洪颖怡教授共发表140篇SCIE国际期刊论文,执行研究项目计划超过120件。发明专利15项。洪颖怡教授为众多世界知名期刊论文审查委员:IEEE Trans. on Smart Grid, IEEE Trans. on Power Systems, IEEE Trans. on Power Delivery, IEEE Trans. on Energy Conversion, IEEE Trans. on Industry Electronics, Soft Computing, IET (IEE) Proceedings- Generation, Transmission, & Distribution, Electric Power Systems and Research, Intl. Journal of Electric Power and Energy Systems, Energy, Fuzzy Sets and Systems, Intl. J. of System Control, IET Electronics Letters 及 IEEE PES Letters。
讲座内容:
风速波动导致风力发电特性具间歇性。在电网中,风电间歇性会带来严重的影响,包括系统可靠性差、备用容量需求增加及营运成本增加。所以电网公司必须准确地预测风速,以便在日前电力市场调度可用的发电设备资源以决定市场电价。本研究提出了一种透过粒子群优化(Particle Swarm Optimization, PSO)来优化的量子(Quantum)和残差长短期记忆(Residual Long Short-term Memory,LSTM)的新型混合模型,以用于日前时空(Spatiotemporal)风速预测。残差长短期记忆的超参数(时间序列、时间延迟、dropout率和学习率)和结构参数透过 PSO 进行调整。为了提高所提出模型的准确性,在优化的残差长短期记忆神经网络中添加了量子嵌入层。根据测试结果,所提出的模型优于对比机器学习方法和深度学习算法。