基本信息:
- 专利标题： 基于贝叶斯和个性化联邦学习的海上风电概率预测方法
- 申请号：CN202410694230.6 申请日：2024-05-31
- 公开(公告)号：CN118281873B 公开(公告)日：2024-08-02
- 发明人： 朱继忠 , 张乐 , 张迪 , 陈一熙 , 李彦江 , 周迦琳
- 申请人： 华南理工大学
- 申请人地址： 广东省广州市天河区五山路381号
- 专利权人： 华南理工大学
- 当前专利权人： 华南理工大学
- 当前专利权人地址： 广东省广州市天河区五山路381号
- 代理机构： 广州科峻专利代理事务所(普通合伙)
- 代理人： 唐海斐
- 主分类号： H02J3/00
- IPC分类号： H02J3/00 ; H02J3/38 ; G06N7/01 ; G06N3/06 ; G06N3/098 ; G06N5/04 ; G06Q50/06
摘要：
本发明提出了一种基于贝叶斯和个性化联邦学习的海上风电概率预测方法，解决分布式风电在小样本和异质数据上预测性能差的问题，属于电力系统技术领域。本发明以多个分布式海上风电站的气象和功率数据作为样本集，训练随机配置网络预测器，并利用贝叶斯推断评估网络的输出权值参数，获得参数后验分布和概率输出。为了缓解小样本和异质数据引发的性能劣化，设计了一种个性化联邦学习框架；服务器端在分布之间的Wasserstein距离引导下以个性化的方式聚合客户端的后验分布；各客户端以个性化后验作为先验，调整自身参数分布以平衡本地个性化和全局信息融合。公开数据集下的测试结果表明本发明可显著提高小样本和异质风电数据下的预测性能。
公开/授权文献:
- CN118281873A 基于贝叶斯和个性化联邦学习的海上风电概率预测方法 公开/授权日：2024-07-02
IPC结构图谱:
| H | 电学 |
| --H02 | 发电、变电或配电 |
| ----H02J | 供电或配电的电路装置或系统；电能存储系统 |
| ------H02J3/00 | 交流干线或交流配电网络的电路装置 |