[发明专利]一种基于深度信念网络的风电功率预测方法在审
| 申请号： | 201910472010.8 | 申请日： | 2019-05-31 |
| 公开（公告）号： | CN110263915A | 公开（公告）日： | 2019-09-20 |
| 发明（设计）人： | 雷振;吴杰康 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G06Q10/04;G06Q50/06 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 张金福 |
| 地址： | 510006 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度信念网络的风电功率预测方法，通过采集历史风速数据并进行归一化处理，得到历史风速数据的风速时间序列；将归一化处理后的历史风速数据平均划分为训练样本以及预测样本；对所述风速时间序列添加白噪声序列后进行集合经验模态分解得到本征模函数分量和剩余分量；利用深度信念网络建立分解得到的各分量的风速预测模型；通过布谷鸟算法优化所述风速预测模型的初始权重；将所述训练样本输入初始权重优化完毕的风速预测模型进行训练；将所述预测样本输入训练完毕的风速预测模型进行预测，得到预测日的风速从而得到预测的风电功率结果。本发明方法解决了现有的风电功率预测方法存在模型参数难以选择，预测精度低等问题。 | ||
| 搜索关键词： | 风速预测模型 预测 风电功率预测 历史风速 信念网络 风速时间序列 归一化处理 初始权重 训练样本 集合经验模态分解 本征模函数分量 风电功率 模型参数 剩余分量 数据平均 算法优化 样本输入 白噪声 风速 样本 采集 分解 优化 | ||
【主权项】：
1.一种基于深度信念网络的风电功率预测方法，其特征在于，包括以下步骤：S1.采集历史风速数据并进行归一化处理，得到历史风速数据的风速时间序列；同时将归一化处理后的历史风速数据平均划分为训练样本以及预测样本；S2.对所述风速时间序列添加白噪声序列后进行集合经验模态分解，得到风速时间序列分解的本征模函数分量和剩余分量；S3.利用深度信念网络建立分解得到的各分量的风速预测模型；S4.通过布谷鸟算法优化所述风速预测模型的初始权重；S5.将所述训练样本输入初始权重优化完毕的风速预测模型进行训练；S6.将所述预测样本输入训练完毕的风速预测模型进行预测，得到预测日的风速；将预测日的风速转换为风电功率从而得到预测结果。
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广东工业大学，未经广东工业大学许可，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/201910472010.8/，转载请声明来源钻瓜专利网。
