申请/专利权人:南京航空航天大学
申请日:2022-10-28
公开(公告)日:2023-03-17
公开(公告)号:CN115809720A
主分类号:G06Q10/04
分类号:G06Q10/04;G06Q50/06;G06N3/0442;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:2023.04.04#实质审查的生效;2023.03.17#公开
摘要:本发明公开了一种基于集群划分的海上多相邻风电场输出功率短期预测方法,包括:对海上多相邻风电场的输出功率进行数据预处理;使用K‑means聚类方法对海上多相邻风电场进行集群划分;将子集群作为单位训练LSTM神经网络获得LSTM神经网络预测模型;通过LSTM神经网络预测模型,利用集群累加法,求得所有海上风电场的总输出功率的预测值。本发明能够有效提升海上相邻多风电场的功率预测精度,为包含多个风电场的海上风电场集群的功率短期预测提供参考,预测结果可用于接入风电场集群的电力系统的实时控制与优化调度。
主权项:1.一种基于集群划分的海上多相邻风电场输出功率短期预测方法,其特征在于,包括如下步骤:S1:对海上多相邻风电场的输出功率进行数据预处理;S2:使用K-means聚类方法对海上多相邻风电场进行集群划分;S3:将子集群作为单位训练LSTM神经网络获得LSTM神经网络预测模型;S4:通过LSTM神经网络预测模型,利用集群累加法,求得所有海上风电场的总输出功率的预测值。
全文数据:
权利要求:
百度查询: 南京航空航天大学 一种基于集群划分的海上多相邻风电场输出功率短期预测方法
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。