申请/专利权人:四川大学
申请日:2024-01-04
公开(公告)日:2024-04-12
公开(公告)号:CN117878910A
主分类号:H02J3/00
分类号:H02J3/00;G06Q10/0637;G06Q50/06;G06N3/045;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明公开了一种基于边缘特征重构和联邦学习的风电功率预测方法,包括:S1、构建各风力发电区域的本地数据集;S2、基于本地数据集,构建并训练各风力发电区域的边缘特征重构网络;S3、基于本地数据集,将边缘特征重构网络输出的增强特征作为风电功率预测模型的输入,并对其进行训练,获得完成训练的风电功率预测模型;S4、对于待预测风力发电区域,将边缘特征重构网络输出的增强特征作为对应风电功率预测模型的输入,输出风电功率预测结果。本发明提出的方法在保护数据安全与隐私的前提下,有助于打破风电数据中的数据孤岛,提高风电数据的利用效率,获得更加准确可靠的风电功率预测效果,降低风电在电网使用过程中的不确定性与波动性。
主权项:1.一种基于边缘特征重构和联邦学习的风电功率预测方法,其特征在于,包括以下步骤:S1、构建各风力发电区域的本地数据集;其中,所述本地数据集包括表征风电站之间关系的图结构和从风电站中采集传感器数据组成的特征张量;S2、基于本地数据集,构建并训练各风力发电区域的边缘特征重构网络;其中,训练所述边缘特征重构网络包括依次进行的本地训练和联邦学习训练;S3、基于本地数据集,将完成训练的边缘特征重构网络输出的增强特征作为风电功率预测模型的输入,对风电功率预测模型进行训练,获得完成训练的风电功率预测模型;S4、对于待预测风力发电区域,将完成训练的边缘特征重构网络输出的增强特征作为对应完成训练的风电功率预测模型的输入,输出风电功率预测结果。
全文数据:
权利要求:
百度查询: 四川大学 一种基于边缘特征重构和联邦学习的风电功率预测方法
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。