摘要
一种基于多模块集成的短期风电功率预测的方法为收集目标风电场的气象数据和历史功率数据构成数据集;计算气象数据和历史风电功率数据的相关性,将相关性强的特征输入至短期风电功率预测模型;模型ICEEMDAN层将历史功率分解为多个模态分量;将其与输入变量中的气相数据组合形成特征矩阵;BiTCN层提取特征矩阵的特征信息;BiGRU层捕捉特征信息时序依赖,MHSA层对时间序列状态信息进行权重分配;叠加稠密层输出各个模态分量的预测值得到总体预测结果。本发明的装置包括数据获取单元、特征选择单元、序列分解单元、短期风电功率训练和预测单元。本发明设计的多模块的协同工作能充分挖掘气象数据与风电功率之间的非线性关系,增强模型在复杂气象条件下的预测能力。
技术关键词
短期风电功率预测
多模块
气象
历史功率数据
皮尔逊相关系数
风力发电功率预测
数据获取单元
经验模态分解算法
非光滑特性
SCADA系统
特征选择
时间卷积网络
门控循环单元
非线性
序列
噪声
变量
矩阵
系统为您推荐了相关专利信息
智能家居设备控制方法
智能网关
智能健康设备
智能家居系统
LSTM模型
智能匹配算法
度计算方法
优化任务分配方法
画像
协同过滤算法
监测方法
回归分析预测模型
气象观测数据
层次分析模型
灰色系统理论