公开(公告)号：CN110309603A

公开(公告)日：2019-10-08

申请号：CN201910601512.6

申请日：2019-07-05

Applicant: 华北电力大学(保定)

Inventor： 张亚刚 ,  陈冰 ,  潘桂芳 ,  赵媛 ,  王增平

IPC: G06F17/50 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于风速特性的短期风速预测方法及系统。该预测方法包括：获取原始风速序列；对所述风速序列进行奇异值分解，获取去噪序列和噪声余项；获取对所述去噪序列进行变分模态分解的最优模态数；对所述去噪序列进行变分模态分解，获取各分量序列；利用改进的平均影响值法获取所述环境因素中与输出风速高相关的信息，并结合所述分量序列或余项建立长短期记忆网络模型；通过改进的极值优化法优化网络模型，获取预测模型；通过所述预测模型对所述各分量序列和所述噪声序列进行预测，获取各分量和余项预测结果；累加各分量和余项预测结果，获取风速预测结果；本发明的风速预测方法或系统显著提高了预测模型可靠性，可获得高精度预测结果。

公开(公告)号：CN110309603B

公开(公告)日：2023-10-24

申请号：CN201910601512.6

申请日：2019-07-05

Applicant: 华北电力大学(保定)

Inventor： 张亚刚 ,  陈冰 ,  潘桂芳 ,  赵媛 ,  王增平

IPC: G06F30/20 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/044 ,  G06N3/08

Abstract: 本发明公开一种基于风速特性的短期风速预测方法及系统。该预测方法包括：获取原始风速序列；对所述风速序列进行奇异值分解，获取去噪序列和噪声余项；获取对所述去噪序列进行变分模态分解的最优模态数；对所述去噪序列进行变分模态分解，获取各分量序列；利用改进的平均影响值法获取所述环境因素中与输出风速高相关的信息，并结合所述分量序列或余项建立长短期记忆网络模型；通过改进的极值优化法优化网络模型，获取预测模型；通过所述预测模型对所述各分量序列和所述噪声序列进行预测，获取各分量和余项预测结果；累加各分量和余项预测结果，获取风速预测结果；本发明的风速预测方法或系统显著提高了预测模型可靠性，可获得高精度预测结果。