层级化双模型融合的风电功率预测数据模型的训练方法

AITNT
正文
推荐专利
层级化双模型融合的风电功率预测数据模型的训练方法
申请号:CN202411937395
申请日期:2024-12-26
公开号:CN119830958B
公开日期:2025-08-19
类型:发明专利
摘要
本发明公开了一种层级化双模型融合的风电功率预测数据模型的训练方法,涉及风电场景下的数字化智能技术,该数据模型首先基于Transformer架构与卷积神经网络构建一个数据层,然后利用预构建的标注数据集对此数据层进行预训练,得到双模型融合的风电功率预测数据模型,记作A模型;进一步在A模型的基础上构建一个独立的数据层,记作B模型,由此形成一种层级化的数据模型架构。本发明提出的层级化模型架构能够显著提升风电功率数据化智能建模的效能。
技术关键词
注意力机制 层级 数据 进程 多层次特征融合 多层次特征提取 依赖特征 风电 局部特征提取 序列 前馈神经网络 编码器结构 元素 算法结构 场景 关系 动态 融合特征 气象
系统为您推荐了相关专利信息
1
一种基于大模型的产品智能推荐方法及系统
产品智能推荐方法 融合特征 自然语言理解 语义特征 深度神经网络
2
一种教师申报材料自动生成方法及系统
自动生成方法 教师 数据字 加密 真实性校验
3
结合多源异构数据的农业气象智能决策支持方法和系统
多源异构数据 注意力机制 农业 智能决策支持系统 无人机遥感图像
4
一种三维脑动静脉畸形血管形态学复杂度计算方法及装置
脑动静脉畸形 分形特征值 复杂度 计算方法 血管模型
5
液压启闭机故障诊断方法
液压启闭机 故障诊断方法 故障诊断模型 多通道 电磁换向阀
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号