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：本发明公开一种新能源供电保障曲线预测模型构建方法；基于DBSCAN‑TimaGAN对异常数据进行识别与修补；基于ERA5数据构建NWP修正模型；基于STL对训练集功率数据进行时序分解，其中周期分量通过KernelPCA降维、Gabor频域分解后，根据不同的频率分别构建TimesNet模块，并通过多层感知机集成各模块输出；趋势分量经过高斯低通滤波后基于Autoformer进行多步预测；残差分量通过提取气象‑残差敏感特征后通过KAN模型进行预测；将上述三个分量预测模型通过Voting集成，并基于动态损失函数与Lion优化器对模型进行训练，再基于Remora优化算法对模型超参数进行优化，最终得到新能源供电保障曲线预测模型。通过本发明方法可以实现新能源供电保障曲线预测，为电力调度部门制定方案提供参考，具有一定的推广价值。

主权项：1.一种新能源供电保障曲线预测模型构建方法，其特征在于按以下步骤进行：S1：收集目标新能源集群各场站NWP数据和功率数据作为样本数据集合，并基于DBSCAN-TimeGAN对数据中的离群值、空缺值异常数据进行识别与修补；再基于ERA5大气再分析数据对集群内各场站构建NWP修正模型，而各场站功率数据进行累加，构建集群新能源历史功率数据与集群新能源历史NWP数据组成的修订样本集合，再对修订样本集合进行划分得到新能源保供曲线建模数据集的训练集和测试集；S2：基于STL对S1得到的训练集功率数据进行时序分解，将分解得到的周期分量通过KernelPCA高维非线性降维、Gabor频域分解和二维转化后，根据不同的频率分别构建TimesNet模块，再基于多层感知机集成各模块输出，构成周期分量预测模型；趋势分量经过高斯低通滤波后基于Autoformer构建趋势分量预测模型；而残差分量在通过提取气象-残差敏感特征后通过KAN模型构建残差分量预测模型；S3：基于S2得到的周期分量预测模型、趋势分量预测模型和残差分量预测模型基于Voting集成模型进行构建初始新能源供电保障曲线预测模型，后将动态损失函数作为目标损失函数，通过Lion优化器对初始新能源供电保障曲线预测模型进行训练；基于动态损失函数对训练后的新能源供电保障曲线预测模型进行性能评估，并通过Remora优化算法对训练后新能源供电保障曲线预测模型各项超参数进行优化，基于优化后的新能源供电保障曲线预测模型进行再训练，并再次进行性能评估，重复该流程直到达到优化算法最大迭代次数，保存迭代的最终新能源供电保障曲线预测模型。

全文数据：

权利要求：

百度查询： 华中科技大学 一种新能源供电保障曲线预测模型构建方法