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：安徽大学
摘要：本发明揭示了一种基于时空融合的风电功率预测方法及系统，搭建局部－全局智能决策模型进行风电功率预测；局部模型挖掘站点自身的时间相关性，全局模型挖掘站点与相邻站点间的时空相关性，进一步地，决策模型将预测站点自身的时间相关性与相邻站点间的时空相关性进行时空融合，以更好地表征区域内相邻站点间的时空相关性，不仅可以提高风电功率预测的准确度，还有助于增强电网运行稳定性和控制可靠性。
主权项：1.一种基于时空融合的风电功率预测方法，其特征在于，包括：选择预定区域范围内n个相邻站点在相同时间段内的风电功率历史数据；对所选站点的风电功率历史数据进行预处理；搭建局部模型挖掘预测站点自身的时间相关性，得到局部预测结果；搭建全局模型挖掘预测站点与其相邻站点间的时空相关性，得到全局预测结果；搭建决策模型将预测站点自身的时间相关性与相邻站点间的时空相关性进行时空融合，利用双层决策树模型对局部预测结果和全局预测结果进行智能决策，将决策结果反标准化后得到目标站点的最终预测结果；其中，所述搭建局部模型的过程包括：将预测站点i的数据Xi归一化到0～1之间，并划分训练集Xi-train和测试集Xi-test；选用深度神经网络模型，对站点i进行预测时，时间窗长度设置为a，划分训练集输入数据和实际数据；所述搭建全局模型的过程包括：分析站点间的超前延迟关系，保持预测站点i的数据Xi不变，其余站点数据在±T个步长范围内移动，并计算移动后各站点与站点i的皮尔逊相关系数，选择相关系数最大时超前延迟之后的站点数据作为输入特征。
全文数据：
权利要求：
百度查询： 安徽大学 一种基于时空融合的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。
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