申请/专利权人：广东工业大学

申请日：2024-03-06

公开（公告）日：2024-04-26

公开（公告）号：CN117933362A

主分类号：G06N3/096

分类号：G06N3/096;G06N3/0442;G06Q10/04;G06Q50/06;H02J3/00;H02J3/38

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本发明公开了一种新建风电场的短期风电功率预测方法及系统，涉及风电功率预测的技术领域，首先对目标风电场及其邻近风电场的风电相关数据分别进行处理，构建目标风电场特征矩阵及邻近风电场特征矩阵，利用已训练好的第一预测模型对邻近风电场特征矩阵进行预测，采用类中心数据迁移的方式，邻近风电场特征矩阵根据类中心迁移，使得迁移后的邻近风电场特征矩阵服从目标风电场特征矩阵的分布，协同训练基础门控循环单元网络，最后使用迁移得到的数据对基础门控循环单元网络进行训练，实现了邻近风电场样本中的信息有效提取并运用，将训练好的基础门控循环网络用于短期风电功率预测，有效地提升了短期风电功率预测的精度。

主权项：1.一种新建风电场的短期风电功率预测方法，其特征在于，包括以下步骤：S1：对目标风电场及其邻近风电场的风电相关数据分别进行处理，构建目标风电场特征矩阵及邻近风电场特征矩阵；S2：将邻近风电场特征矩阵作为已训练好的第一预测模型的输入，利用第一预测模型预测输出邻近风电场特征矩阵的功率伪标签，将功率伪标签与邻近风电场特征矩阵结合，形成新的邻近风电场特征矩阵；S3:分别计算目标风电场特征矩阵的类中心M和邻近风电场特征矩阵的类中心N，基于类中心M与类中心N，进行邻域风电场数据的类中心迁移，得到迁移后的邻近风电场特征矩阵；S4：构建基础门控循环单元网络，分别利用目标风电场特征矩阵及迁移后的邻近风电场特征矩阵训练基础门控循环单元网络，获得训练好的第一门控循环单元网络和第二门控循环单元网络；S5：计算第一门控循环单元网络和第二门控循环单元网络之间的影响熵增，基于迁移后的邻近风电场特征矩阵和影响熵增，构建赋权特征矩阵；S6：利用赋权特征矩阵训练基础门控循环单元网络，获得训练好的基础门控循环网络，将训练好的基础门控循环网络用于短期风电功率预测。

全文数据：

权利要求：

百度查询： 广东工业大学 一种新建风电场的短期风电功率预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD