摘要
本发明涉及一种风电低出力事件生成式有差训练方法和预测方法,训练方法包括:获取至少一个风电场的运行数据和同一时段至少一个风电场的数值天气预报数据;根据运行数据和数值天气预报数据构建第一训练集;第一训练集是指风电低出力事件相关的真实数据集;根据第一训练集和获取的噪声数据对预先构建的事件样本生成模型进行训练,以根据训练好的事件样本生成模型生成第二训练集;第二训练集是指风电低出力事件相关的生成数据集;基于第一训练集和第二训练集对预先构建的事件预测模型进行训练,得到训练好的事件预测模型。本申请提供的方法,训练得到了能够准确预测未来风电低出力事件的模型,有效提升了提升电网安全稳定性和“保供电”能力。
技术关键词
数值天气预报数据
风电
样本
多层感知机
学习器
循环神经网络模型
训练集
卷积神经网络模型
噪声数据
注意力
生成数据集
子模块
功率
序列
事件识别
标签
线性
编码
系统为您推荐了相关专利信息
触觉特征
触觉信息
机器人抓握
语义向量
视觉特征
自动识别方法
双向长短期记忆网络
多层卷积神经网络
构建卷积神经网络
深度神经网络模型
神经网络模型训练
界面
神经网络模型构建
超参数
对象
数字档案管理
档案管理系统
风机
振动传感器
历史维修记录
代码生成方法
语义
训练样本数据
状态自动机
可扩展标记语言文档