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：湖北工业大学
摘要：本发明涉及风电场风速预测技术领域，具体为一种基于mRMR‑RF和GS‑LSTM多风电场风速预测方法，包括以下步骤：将多个风电场原始数据整合到一个数据集里面，得到原始数据集，基于最小冗余最大相关性mRMR的随机森林RF特征选择方法mRMR‑RF计算多风电场各个特征子集的得分。该基于mRMR‑RF和GS‑LSTM多风电场风速预测方法，通过特征拓扑图分析多风电场各个特征与风速的相关性，并基于mRMR‑RF‑GraphSAGE的空间特征提取框架获取空间特征向量，把不同时刻的空间特征向量作为时间序列输入到LSTM模型，得到风电场各个站点的风速预测值，如此，能够提高风速预测精度，减少风电并网对电力系统稳定性的威胁，从而在经济上带来积极的长期影响。
主权项：1.一种基于mRMR-RF和GS-LSTM多风电场风速预测方法，其特征在于，包括以下步骤：S1.将多个风电场原始数据整合到一个数据集里面，得到原始数据集，基于最小冗余最大相关性mRMR的随机森林RF特征选择方法mRMR-RF计算多风电场各个特征子集的得分，选出最优特征子集；S2.利用最优特征子集构建多风电场的图结构数据；S3.使用GraphSAGE网络对图结构数据进行训练并生成空间特征向量；S4.对空间特征向量采用滑动窗口法进行时序上重采样并生成时空特征向量；S5.将时空特征向量作为输入，使用LSTM模型进行训练并得到多风电场各个特征时空关联预测值。
全文数据：
权利要求：
百度查询： 湖北工业大学 一种基于mRMR-RF和GS-LSTM多风电场风速预测方法
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