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
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
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
脑动静脉畸形
分形特征值
复杂度
计算方法
血管模型
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