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！
摘要：本发明涉及一种基于SSD和双重注意力机制BiGRU的风电超短期功率预测方法。本发明所采用的技术方案是：一种基于SSD和双重注意力机制BiGRU的风电超短期功率预测方法，其特征在于：获取历史风速和历史功率，并对历史风速和历史功率进行归一化处理；对归一化后的历史风速进行SSD分解，获得m个不同频率的信号分量；对归一化后的历史功率进行SSD分解，获得n个不同频率的信号分量；采用BiGRU将分解后得到的m个历史风速信号分量和n个历史功率信号分量分别进行时序信息建模；将所有时序信息模型的输出特征经FT‑Attention模块后共同输入到决策层进行信息融合和决策，获得最终的风电功率预测结果；所述FT‑Attention模块包含两部分，分别学习不同特征和不同时序时刻的重要程度。
主权项：1.一种基于SSD和双重注意力机制BiGRU的风电超短期功率预测方法，其特征在于：获取历史风速和历史功率，并对历史风速和历史功率进行归一化处理；对归一化后的历史风速进行SSD分解，获得m个不同频率的信号分量；对归一化后的历史功率进行SSD分解，获得n个不同频率的信号分量；采用BiGRU将分解后得到的m个历史风速信号分量和n个历史功率信号分量分别进行时序信息建模；将所有时序信息模型的输出特征经FT-Attention模块后共同输入到决策层进行信息融合和决策，获得最终的风电功率预测结果；所述FT-Attention模块包含两部分，分别学习不同特征和不同时序时刻的重要程度；所述FT-Attention模块输入为包含h个特征和w个时序时刻的矩阵X∈Rh*w；当对特征进行学习时，首先通过全局平均池化得到向量Zf＝[z1,z2,…,zh]，其中然后通过两次一维卷积和非线性映射得到权值向量；最后将权值向量与原始输入矩阵X相乘得到特征加权后的矩阵同理得到时序加权后的矩阵经过特征加权和时序加权后的信息所述决策层采用2个全连接层对所有时序信息模型的输出特征进行融合和决策。
全文数据：
权利要求：
百度查询： 中国电建集团华东勘测设计研究院有限公司 基于SSD和双重注意力机制BiGRU的风电超短期功率预测方法
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。
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