摘要
本发明提供了一种面向频率特性的风电功率预测方法、装置和存储介质,属于新能源与智能电力系统技术领域。采用本发明实施例所提供的面向频率特性的风电功率预测方法,其具体方案提出一种融合CEEMDAN分解、VMD去噪、SE评估机制与Transformer‑GRU双结构建模的混合模型,在处理风电机组输出非平稳序列时有效减少高频噪声干扰。并且充分利用频率特性,根据分解模态单元的频率特性与复杂度差异采取差异化学习机制设计,提高特征提取、输出精度以及时序动态捕捉能力。能够实现对不同频率模态单元的差异化建模与高效预测,有效提升风电功率超短期预测的精度与稳定性,适用于复杂气象条件下风电并网调度与系统运行优化需求。
技术关键词
电功率预测方法
风电功率预测装置
风电机组
变分模态分解算法
经验模态分解方法
GRU模型
序列
预测建模
复杂度
智能电力系统
系统运行优化
异常信号
噪声
处理器
重构
模块
指令
解码器
系统为您推荐了相关专利信息
轴承健康
轴承运行状态
置信规则库推理
遗传优化算法
振动特征
子系统
风力发电机组
参数辨识方法
深度强化学习
数学模型
故障诊断方法
风电机组
高斯混合模型
齿圈
行星轮
主动避障方法
风力机叶片
激光雷达点云数据
视觉传感器
风机叶轮