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：殷得承

摘要：本发明涉及基于一次分解和WOA‑CNN‑BIGRU‑Attention的超短期风电功率预测方法，包括以下步骤：步骤一：输入原始风电功率时间序列数据，首先对原始序列进行数据标准化处理，以消除数据量纲，防止后续模型在训练过程中出现数值爆炸，然后考虑到风电功率数据中存在的噪声成分，使用ICEEMDAN方法来对原始风电功率数据进行分解降噪，得到若干子序列，本发明通过一次分解技术将风速信号分解为不同尺度的子序列，从而提取了不同时间尺度下的时空特征，然后，引入了WOA‑CNN‑BIGRU‑Attention模型，结合了鲸鱼优化算法WOA和注意力机制，以有效地学习和表示风速序列中的时空信息，从而实现对风电功率的准确预测。

主权项：1.基于一次分解和WOA-CNN-BIGRU-Attention的超短期风电功率预测方法，其特征在于，包括以下步骤：步骤一：输入原始风电功率时间序列数据，首先对原始序列进行数据标准化处理，以消除数据量纲，防止后续模型在训练过程中出现数值爆炸，然后考虑到风电功率数据中存在的噪声成分，使用ICEEMDAN方法来对原始风电功率数据进行分解降噪，得到若干子序列；步骤二：使用模糊熵来评价各子序列的序列复杂度，然后根据过零率子序列进行分组和重构，形成高频、中频和低频三类分量，分别表示为x1t、x2t、x3t，最后使用滑动窗口机制来分别使用三个分量构建训练样本数据，作为后续进行单一预测模型建模的训练数据；步骤三：根据重构后各分量频率特点的不同，分别选择不同类型的模型进行单一预测模型的构建，并得到单一预测模型的预测结果，在研究中，对于高频分量，由于其波动性强，使用特征提取能力较强的CNN-BIGRU-Attention来进行建模，得到针对高频分量的单一预测模型，并将其对于高频分量的预测结果记为对于中频分量，也使用时间CNN-BIGRU-Attention来对其建模预测，形成针对中频分量的单一预测模型，并得到其对于中频分量的预测结果对于低频分量，由于其波动较为平稳，采用MLR得到低频分量的预测结果步骤四：使用鲸鱼优化算法WOA确定三个单一预测模型的最优组合权重w1、w2、w3，然后将三个单一预测模型的预测结果进行加权求和，得到最终预测结果其可以表示为： 步骤五：对模型的有效性和稳定性进行分析，主要使用均方根误差RMSE、平均绝对误差MAE、平均绝对百分比误差MAPE三种评价指标来分析模型的有效性。

全文数据：

权利要求：

百度查询： 殷得承 基于一次分解和WOA-CNN-BIGRU-Attention的超短期风电功率预测方法