基本信息:
- 专利标题： 基于奇异谱分解和时间卷积神经网络的多步风电功率预测方法
- 申请号：CN202111228467.8 申请日：2021-10-21
- 公开(公告)号：CN114091729A 公开(公告)日：2022-02-25
- 发明人： 董雪 , 赵生校 , 魏龙 , 陈晓锋 , 陆艳艳 , 卢迪 , 赵岩 , 许银胜 , 赵宏伟 , 刘磊
- 申请人： 中国电建集团华东勘测设计研究院有限公司
- 申请人地址： 浙江省杭州市下城区潮王路22号
- 专利权人： 中国电建集团华东勘测设计研究院有限公司
- 当前专利权人： 中国电建集团华东勘测设计研究院有限公司
- 当前专利权人地址： 浙江省杭州市下城区潮王路22号
- 代理机构： 杭州九洲专利事务所有限公司
- 代理人： 韩小燕; 沈敏强
- 主分类号： G06Q10/04
- IPC分类号： G06Q10/04 ; G06N3/04 ; G06N3/08 ; G06Q50/06
摘要：
本发明涉及一种基于奇异谱分解和时间卷积神经网络的多步风电功率预测方法。适用于风力发电功率预测领域。本发明所采用的技术方案是：一种基于奇异谱分解和时间卷积神经网络的多步风电功率预测方法，其特征在于：获取历史风速和历史功率；对历史风速和历史功率进行奇异谱分解，分别获得历史风速和历史功率的多维特征向量；将历史风速和历史功率的多维特征向量输入经训练的风电功率预测模型，输出风电功率预测结果；所述风电功率预测模型包括时间卷积神经网络层和全连接层，时间卷积神经网络层用于对历史风速数据和历史功率数据进行时序建模和特征提取，全连接层用于对时间卷积神经网络层提取的特征进行融合，以获取最终风电功率预测结果。