龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西南石油大学
申请日：2024-02-26
公开（公告）日：2024-06-25
公开（公告）号：CN118249322A
主分类号：H02J3/00
分类号：H02J3/00;H02J3/38;G06N3/0442;G06N3/0464;G06N3/006;G06N3/0985;G06F18/213
优先权：
专利状态码：在审-公开
法律状态：2024.06.25#公开
摘要：本发明提出一种基于ISSA‑SE‑CNN‑BiLSTM与Bootstrap的风电功率预测方法，包括以下步骤：通过皮尔逊相关系数分析各气象因子与风电功率之间的相关性，以筛选出输入序列；建立结合通道注意力机制的卷积神经网络模型对输入序列进行特征提取；建立双向长短期记忆神经网络模型捕捉输入特征信息的正反向流动规律；利用改进的麻雀算法对模型的初始学习率、隐藏层节点数、正则化系数三种超参数进行寻优；使用超参数最优的组合模型对风电功率进行点预测，并在点预测结果的基础上，采用Bootstrap法进行预测误差分布分析以得到区间预测结果。与现有技术相比，本发明的精度更高，鲁棒性更强，且能提供更多元的预测结果。
主权项：1.一种基于ISSA-SE-CNN-BiLSTM与Bootstrap的风电功率预测方法，其特征为：由下列步骤实现：S1：通过Pearson相关系数分析各气象因子与风电功率之间的相关性，以筛选出输入序列；S2：建立结合SE通道注意力机制的卷积神经网络CNN模型对输入序列进行特征提取；S3：建立双向长短期记忆神经网络BiLSTM模型捕捉输入特征信息的正反向流动规律；S4：结合Chebyshev混沌映射与精英反向策略对传统麻雀搜索算法进行混合改进；S5：利用改进的麻雀算法ISSA对模型的初始学习率、隐藏层节点数、正则化系数三种超参数进行寻优；S6：使用超参数最优的组合模型对风电功率进行点预测，并在点预测结果的基础上，采用Bootstrap法进行预测误差分布分析以得到区间预测结果。
全文数据：
权利要求：
百度查询： 西南石油大学 一种基于ISSA-SE-CNN-BiLSTM与Bootstrap的风电功率预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号