申请/专利权人:长春东煤高技术股份有限公司
申请日:2023-11-29
公开(公告)日:2024-03-26
公开(公告)号:CN117764113A
主分类号:G06N3/0442
分类号:G06N3/0442;G06N3/084;G06N3/0464;G06N3/045;G06Q50/06
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.12#实质审查的生效;2024.03.26#公开
摘要:本发明公开一种基于多卷积自注意力BiLSTM的风电场风向预测方法,涉及风电场风向预测技术领域,包括:数据预处理模块、处理原始数据的缺失值和特征筛选;特征分解模块、该模块使用变分模态分解对数据进行分解;滑动窗口划分数据模块、该模块采用滑动窗口方式对风向数据划分。通过在卷积层中引入多个卷积核,使得模型能够在一个统一的框架内处理不同程度的风向变化,提高了模型的鲁棒性,再对每一个卷积提取的特征输入BiLSTM网络进行预测,使模型能够更好地处理时序信息,BiLSTM通过引入记忆单元,有助于捕捉时间序列中的长期依赖关系,增强了对风向历史变化的建模能力,这使得模型更适用于考虑时间动态性的风向预测问题。
主权项:1.一种基于多卷积自注意力BiLSTM的风电场风向预测方法,其特征在于,包括:数据预处理模块、处理原始数据的缺失值和特征筛选;特征分解模块、该模块使用变分模态分解对数据进行分解;滑动窗口划分数据模块、该模块采用滑动窗口方式对风向数据进行划分,设定窗口大小、滑动步长和预测步长;BiLSTM模块、该模块接收滑动窗口划分数据模块处理的数据,通过双向LSTM隐藏层输出时序特征;卷积池化及BiLSTM预测模块;注意力层模块;多层线性层及激活函数模块;模型训练模块;性能评估模块。
全文数据:
权利要求:
百度查询: 长春东煤高技术股份有限公司 一种基于多卷积自注意力BiLSTM的风电场风向预测方法
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。