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:国网山西省电力公司电力科学研究院;国电南瑞南京控制系统有限公司
摘要:本发明属于风电功率预测技术领域,公开了一种基于多维特征提取的可解释深度学习风电功率预测方法及系统,本发明非线性特征提取及滞后特征创建:目前特征选择的方法大多是基于Pearson相关系数、Spearman相关系数等线性函数来反映环境变量对风力发电功率的影响,而实际上,风电输出功率与众多变量之间存在显著的非线性特征。本发明采用最大互信息系数MIC方法进行非线性特征提取,能够更准确地反映环境变量对风力发电功率的非线性影响。在特征选择的基础上,对关键特征进行滞后性处理,创建新的滞后特征LagFeatures。做法是将时间序列中的过去值作为当前时刻的特征。这种方法可以帮助捕捉时间序列数据中的时间依赖性。
主权项:1.一种基于多维特征提取的可解释深度学习风电功率预测方法,其特征在于,包括以下步骤:步骤1,基于历史风电功率数据和风速数据,构建训练样本;步骤2,采用最大互信息系数MIC的非线性特征提取方法,对数据中特征进行筛选;步骤3,对提取的关键特征变量,创建滞后特征向量;步骤4,构建用于长期风电功率预测的TimesNet+LSTM模型;步骤5,使用Tree-structuredParzenEstimator优化算法对风电功率预测模型中LSTM层单元数量以及丢弃率参数进行优化;步骤6,通过引入Shapley方法精确计算各个变量在合作中创造的边际利益,从而定量解释多维特征在风电预测中的具体贡献;步骤7,利用训练好的模型对风电预测样本进行预测,获得预测发电功率。
全文数据:
权利要求:
百度查询: 国网山西省电力公司电力科学研究院 国电南瑞南京控制系统有限公司 基于多维特征提取的可解释深度学习风电功率预测方法及系统
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。