栏目导航
期刊信息
主管单位：深圳大学
主办单位：深圳大学
主　　编：章必功
地　　址：深圳市南山区深圳大学学报编辑部文科楼
邮政编码：518060
国际标准刊号：ISSN 1000-260X
国内统一刊号：CN 44-1030/C
邮发代号：46-140
单　　价：12.00
定　　价：72.00
数据库收录
中文社会科学引文索引
中国人文社会科学核心期刊要览(2008年版)
北大2004版核心期刊
北大2008版核心期刊
北大2011版核心期刊
北大2014版核心期刊
北大2017版核心期刊
本刊MARC数据 本刊DC数据
国家图书馆馆藏 上海图书馆馆藏

科学研究

您现在的位置：首页 > 科学研究

机电学院王怀智助理教授在Energy Conversion and Management发表研究论文


    近日，深圳大学机电与控制工程学院王怀智助理教授、湖南大学周斌教授、上海交通大学黎灿兵教授和俄罗斯科学院院士IEEE Fellow Nikolai Voropai教授在国际顶级期刊Energy Conversion and Management (ECM)上联合发表了一篇题为"Taxonomy Research of Artificial Intelligence for Deterministic Solar Power Forecasting"的研究论文。ECM为中科院大类一区、TOP期刊，影响因子为7.181。

    该论文对基于人工智能的太阳能发电预测方法、参数优化方法和预测结构开展了分类学研究。机电学院王怀智助理教授为第一作者，周斌教授和黎灿兵教授为共同通讯作者。其它共同作者包括曹广忠教授、刘扬洋研究生、Nikolai Voropai教授和Evgeny Barakhtenko教授。

    太阳能发电预测是电力能源系统经济、安全运行的重要环节。本文首先对人工智能预测方法、参数优化和预测结构展开了分类、命名和统计分析研究，总结了各种预测方法的优缺点。其次，本文提出了一种新的人工智能预测结构。该预测结构分为特征学习、权重更新和多元回归三个部分，如图1所示。特征学习用于提取环境数据和时序数据的潜在特征，并作为权重更新的输入。权重更新则用于优化多元回归的权重系数。多元回归负责太阳能发电预测输入和输出的数学建模。该预测结构最大的优点是其强大的兼容性，可兼容已有的大部分神经网络算法，如支持向量机、深度学习和循环神经网络等。最后，本文对太阳能发电预测的热点方向和潜在问题进行了深入剖析。
\
图1 提出的人工智能预测结构
    本研究得到了国家自然科学基金委、广东省电磁控制与智能机器人重点实验室和深圳市科创委等经费支持。原文链接：https://www.sciencedirect.com/science/article/pii/S0196890420304477。

上一篇：我校陈湘生院士被科技部选为第一届基础研究战略咨询委员会委员
下一篇：深圳大学与华为技术有限公司举行技术交流会