申请/专利权人:湘潭大学
申请日:2020-12-21
公开(公告)日:2021-06-04
公开(公告)号:CN112906935A
主分类号:G06Q10/04(20120101)
分类号:G06Q10/04(20120101);G06Q50/06(20120101);G06N3/04(20060101);G06N3/00(20060101)
优先权:
专利状态码:失效-发明专利申请公布后的撤回
法律状态:2023.07.04#发明专利申请公布后的撤回;2021.07.09#实质审查的生效;2021.06.04#公开
摘要:本发明公开了一种风电场超短期功率预测的方法,特别涉及一种基于集合经验模态分解和改进鲸鱼算法优化的长短期记忆网络的风电场超短期功率预测方法。它包括以下步骤:对原始检测信号加入白噪声;用EMD分解算法分解添加白噪声后的信号并得到IMF分量;对得到的IMF的均值进行Hilbert变换;使用样本熵对变化后的IMF分量进行筛选,减少数据量;改进原始鲸鱼算法的收敛因子,平衡算法的全局和局部收敛能力;通过改进的鲸鱼算法与长短期记忆网络结合无监督生成合适的模型预测参数;依次对每个分量数据预测并将结果累加获得最终预测值;本发明对风电功率数据预测表现出较好的精度和泛化性能。
主权项:1.一种基于集合经验模态分解后样本熵度量筛选数据,最后用改进鲸鱼算法优化的长短期记忆网络预测的风电场超短期功率预测方法。包括以下步骤:给原始信号添加白噪声;用EMD分解算法得到IMF分量;对得到的IMF分量进行Hilbert变换;用样本熵对得到的IMF分量进行度量筛选;对鲸鱼算法进行改进;采用鲸鱼算法对长短期记忆网络的参数进行无监督寻优;利用寻优后的神经网络对数据进行预测。
全文数据:
权利要求:
百度查询: 湘潭大学 一种风电场超短期功率预测方法
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。