申请/专利权人：重庆大学

申请日：2023-12-15

公开（公告）日：2024-03-22

公开（公告）号：CN117744755A

主分类号：G06N3/096

分类号：G06N3/096;G06N3/086;G06N3/0455;G06N3/0464;G06N3/0495;G06Q50/06;H02J3/38;G01P5/00;G01P13/02;G01K13/00;G01N33/00;G01L19/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了基于深度学习模型的风电场短时风速预测模型的构建方法，包括，1从风电场中获取历史风速数据；2对所述历史风速数据进行预处理；3在原始transformer结构上增加稀疏采样自注意力机制以及自注意力蒸馏模块构建基于Informer的风速预测模型；4将所述历史风速数据输入风速预测模型对其进行训练，并采用灰狼优化算法对所述风速预测模型进行参数优化；5将验证集输入所述风速预测模型中，对训练后的风速预测模型的泛化能力进行评估，以对风速预测模型进行评价。本发明在原始transformer结构上增加稀疏采样自注意力机制以及自注意力蒸馏模块，有效降低时间和空间复杂度，在保证高精度的条件下大幅提升了预测效率，对更长距离的时序预测更具优势。

主权项：1.一种基于深度学习模型的风电场短时风速预测模型的构建方法，其特征在于，包括如下步骤：1从风电场中获取历史风速数据；2对所述历史风速数据进行预处理；3在原始transformer结构上增加稀疏采样自注意力机制以及自注意力蒸馏模块构建基于Informer的风速预测模型；4将所述历史风速数据输入风速预测模型对其进行训练，并采用灰狼优化算法对所述风速预测模型进行参数优化；5将验证集输入所述风速预测模型中，对训练后的风速预测模型的泛化能力进行评估，以对风速预测模型进行评价。

全文数据：

权利要求：

百度查询： 重庆大学 基于深度学习模型的风电场短时风速预测模型的构建方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD