申请/专利权人:四川大学
申请日:2021-11-23
公开(公告)日:2023-05-26
公开(公告)号:CN116167473A
主分类号:G06Q10/04
分类号:G06Q10/04;G06Q50/06;H02J3/00;G06N3/047;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.06.13#实质审查的生效;2023.05.26#公开
摘要:本发明公开了一种基于Quartiles和DBN的风功率异常点剔除及风功率准确预测的方法。首先对指定未来时间尺度下的风速进行单步多步预测。接着,完成数据清洗,基于四分位数法剔除指定风速间隔下对应的风功率离群值及指定风功率间隔下指定的风速离群值。依据v‑p点分布特性将异常点分为四类。在初步剔除中,找出第一、第二及其它类异常点,清除指定风速区间内对应的风功率离群值及指定风功率区间内对应的离群风速值。通过DBN深度神经网络,构造WTPC模型。输入清洗完毕后的数据,利用堆叠RBM完成参数初始化。通过BP反向传播对整个DBN网络参数微调,完成WTPC模型的构造。将之前得到的风速预测值代入WTPC模型,得到相同时间尺度下的单步多步风功率预测值。
主权项:1.本发明公开了一种基于Quartiles和DBN的风功率预测方法,其特征在于,其步骤为:步骤1:对指定未来时间尺度下的风速进行单步多步预测;步骤2:数据清洗;步骤3:通过DBN深度神经网络,利用历史风速和历史风功率,构造WTPC模型;步骤4:将第一步得到的风速预测值代入WTPC模型,得到相同时间尺度下的单步多步风功率预测值。
全文数据:
权利要求:
百度查询: 四川大学 一种基于Quartiles和DBN的风功率预测方法
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。