Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于COA-CNN-BiLSTM-AM的短期风电功率预测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:安庆职业技术学院

摘要:本发明公开了一种基于COA‑CNN‑BiLSTM‑AM的短期风电功率预测方法,其特征在于,包括以下步骤:S1,风电数据预处理;S2,对预处理后的数据样本按比例划分为训练集、验证集和测试集;S3,构建CNN‑BiLSTM‑AM组合模型;S4,使用COA算法优化CNN‑BiLSTM‑AM组合模型的超参数;S5,用优化后的COA‑CNN‑BiLSTM‑AM组合模型预测未来的风电功率;S6,采用MAE、RMSE和R2作为评价指标对组合模型进行性能评估。该模型能够模拟浣熊捕猎和躲避捕食者行为中的搜索策略,以找到模型超参数的最优配置。使模型更加适应风电功率预测任务的特性,从而提升预测性能,模型拟合效果更好。

主权项:1.一种基于COA-CNN-BiLSTM-AM的短期风电功率预测方法,其特征在于,包括以下步骤:S1,风电数据预处理;S2,对预处理后的数据样本按比例划分为训练集、验证集和测试集;S3,构建CNN-BiLSTM-AM组合模型;S4,使用COA算法优化CNN-BiLSTM-AM组合模型的超参数;S5,用优化后的COA-CNN-BiLSTM-AM组合模型预测未来的风电功率;S6,采用MAE、RMSE和R2作为评价指标对组合模型进行性能评估。

全文数据:

权利要求:

百度查询: 安庆职业技术学院 一种基于COA-CNN-BiLSTM-AM的短期风电功率预测方法

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。

相关技术
相关技术
相关技术
相关技术