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：昆明理工大学

摘要：本发明公开了一种融合深度学习和自适应建模机制的风电功率预测方法、系统，本发明一方面，基于年度风电功率数据离线构建LSTM网络预测模型，用于捕捉大规模风电功率数据中隐藏的复杂特征。另一方面，基于LSTMEcor预测模型的训练集在线实时构建LSTMEcor预测模型，从而对未来状态LSTM预测误差进行估计，进而获得LSTMEcor预测模型的功率预测值。此外，以近期历史数据为建模数据库构建JITLRidge预测模型以获得JITLRidge预测模型的风电功率预测值。通过三类预测方法获取风电功率预测值，并通过分类模型估计每类预测值表现最佳的后验概率，然后根据贝叶斯原理对三种预测值加权融合。本发明具有更高的预测精度和稳定性。

主权项：1.一种融合深度学习和自适应建模机制的风电功率预测方法，其特征在于：包括：S1、收集风电场完整的年度历史真实功率系列数据，根据不同的预测时长构造建模数据集；将建模数据集划分为第一数据集Dy1、第二数据集Dy2；将第二数据集Dy2划分为第一验证集Dval1、第二验证集Dval2和测试集Dtest；S2、利用第一数据集Dy1训练LSTM网络并保存，获得LSTM预测模型；S3、使用LSTM预测模型对第一验证集Dval1进行预测，构建LSTMEcor预测模型的训练集DREP；S4、同时采用LSTM预测模型、LSTMEcor预测模型、JITLRidge预测模型对第二验证集Dval2进行预测，构建随机森林训练集DRF，训练并保存随机森林模型；S5、同时采用LSTM预测模型、LSTMEcor预测模型、JITLRidge预测模型对测试集Dtest进行预测，获得各不同模型下的功率预测值；构造随机森林查询样本REPq；将随机森林查询样本输入随机森林模型，获得对应输出的后验概率值；利用后验概率值加权融合各功率预测值输出得到最终预测值；所述LSTMEcor预测模型的预测过程如下：①构造LSTMEcor预测模型的查询样本REPj2；②计算查询样本REPj2和LSTMEcor预测模型的训练集DREP中的所有样本的欧式相似度，并选择最相似的p1个样本；归一化后训练GPR模型，并预测查询样本对应的误差值Ej2；③将预测的误差值用于补偿在LSTM模型下的功率预测值，以获得在LSTMEcor模型下的功率预测值PEcor,j2：PEcor,j2＝PLSTM,j2+Ej2式中：PEcor,j2为在LSTMEcor预测模型下的功率预测值；所述JITLRidge预测模型的预测过程如下：①构造JITLRidge预测模型的查询样本Rj2；②计算查询样本Rj2和第一验证集Dval1的所有样本的欧式距离，并选择最相似的p2个样本；归一化后训练Ridge模型，并预测查询点对应预测值，作为JITLRidge预测模型的预测值PJITL,j2。

全文数据：

权利要求：

百度查询： 昆明理工大学 融合深度学习和自适应建模机制的风电功率预测方法、系统