[发明专利]一种基于SSA-HMD-CNNSVM模型的短期风速预测方法在审
| 申请号： | 201910349131.3 | 申请日： | 2019-04-28 |
| 公开（公告）号： | CN110083940A | 公开（公告）日： | 2019-08-02 |
| 发明（设计）人： | 周武能;陈娜 | 申请（专利权）人： | 东华大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06Q10/04;G06Q50/06 |
| 代理公司： | 上海申汇专利代理有限公司 31001 | 代理人： | 翁若莹;柏子雵 |
| 地址： | 201600 上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及短期风速预测领域，公开了一种基于SSA‑HMD‑CNNSVM模型的短期风速预测方法，首先利用奇异谱分析(SSA)降低噪声并提取原始风速数据的趋势信息，然后利用混合模式分解对风速数据进行深度分解，接着采用卷积支持向量机对各个风速子层进行预测，最后对所有分量的预测结果进行叠加，进而得到最终的风速预测结果。本发明对风速时间序列的降噪及深度分解处理，与一般的信号预处理方式相比，能够有效降低风速时间序列的随机波动对预测结果的影响，大大提升了风速预测的准确性和精确性。同时，CNNSVM能结合单一模型卷积神经网络和支持向量机的优点，因此具备强大的泛化能力和鲁棒性能，可大规模应用于风电场风速预测。 | ||
| 搜索关键词： | 短期风速预测 风速预测 风速时间序列 支持向量机 风速数据 深度分解 预测结果 卷积神经网络 大规模应用 奇异谱分析 信号预处理 混合模式 降低噪声 鲁棒性能 趋势信息 随机波动 风电场 风速 降噪 卷积 子层 叠加 分解 预测 | ||
【主权项】：
1.一种基于SSA‑HMD‑CNNSVM模型的短期风速预测方法，其特征在于，包括以下步骤：步骤一：采集风场历史实测风速数据，建立多组风速时间序列；步骤二：利用奇异谱分析SSA降低风速时间序列的噪声，并提取原始风速时间序列的趋势信息；步骤三：利用混合模式分解HMD对步骤二得到的风速数据进行深度分解，混合模式分解HMD由变分模式分解VMD、样本熵SE和小波包分解WPD组成；步骤四：采用卷积支持向量机CNNSVM对步骤三分解得到的各个风速子层进行预测；步骤五：对步骤四预测得到的所有风速子层的预测结果进行叠加，进而得到最终的风速预测结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东华大学，未经东华大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910349131.3/，转载请声明来源钻瓜专利网。
