龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：三峡大学
摘要：改善低密度样本区域预测精度的风电功率概率预测方法，包括：采集某风电场的历史风电功率和数值天气预报数据集；构建深度信念混合密度网络，通过深度信念网络独特的预训练和微调机制提取输入变量的隐特征，利用Beta混合概率分布的有界性准确表征风电预测功率的概率分布，实现隐特征与预测功率概率分布参数之间的非线性映射；引入特征分布平滑技术用于校准输入特征，标签分布平滑技术用于对各样本误差赋予差异化权重，从输入和输出两方面改善训练样本分布不均衡现象对预测结果的不利影响。本发明通过引入特征分布平滑技术和标签分布平滑技术改善低密度区域样本对超短期风电功率概率预测的影响，能有效提高低密度样本区域的预测精度。
主权项：1.改善低密度样本区域预测精度的风电功率概率预测方法，其特征在于，包括以下步骤：步骤1：将目标风电场历史风电功率和数值天气预报数据集分为训练、验证和测试集，并设定模型超参数；步骤2：对训练集的目标变量y进行核密度估计KDE，得到概率密度函数步骤3：构建深度信念混合密度网络DBMDN，随机初始化模型参数，并将DBMDN网络提取的隐含特征zs和相应的修正特征向量初始化为零向量，对DBMDN网络中堆叠的RBM部分进行逐层无监督预训练；步骤4：通过DBMDN模型中堆叠的RBM结构得到最终隐含层各簇隐特征向量zs，利用特征分布平滑技术FDS，计算修正特征向量送入混合密度网络MDN网络得到混合概率分布参数，基于混合概率分布参数可合成风电预测功率的概率分布函数Py；步骤5：计算DBMDN模型原始损失函数LX,Y|θ′，利用标签分布平滑技术LDS对原始损失函数赋予差异化权重，得到加权损失函数LλX,Y|θ′；步骤6：在DBMDN模型训练过程中采用Adam优化算法，更新网络权重和偏置，计算各簇隐特征向量zs的特征均值统计量μs，采用高斯核函数更新平滑后的特征统计量步骤7：判断模型训练是否达到最大迭代次数，未达到最大迭代次数则跳转至步骤4，达到最大迭代次数则进行步骤8；步骤8：基于验证集预测结果优选模型的最佳超参数；步骤9：将测试样本输入具有最佳超参数的预测模型，得到预测时刻风电功率的Beta混合概率密度分布。
全文数据：
权利要求：
百度查询： 三峡大学 改善低密度样本区域预测精度的风电功率概率预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号