公开(公告)号：CN116777039A

公开(公告)日：2023-09-19

申请号：CN202310448917.7

申请日：2023-04-24

申请人： 华南理工大学

发明人： 刘明波 ,  刘名得 ,  张思毅 ,  雷振兴 ,  谢敏 ,  林舜江

IPC分类号： G06Q10/04 ,  G06N3/045 ,  G06N3/086

摘要： 本发明公开了一种基于训练集分段和误差修正的双层神经网络风速预测方法，该方法主要包括数据集处理步骤、模型训练与优化步骤、模型预测步骤。本方法在双层神经网络模型中加入了改进的误差修正方法，使用第一层网络的预测误差做为第二层网络的训练集，这种方法使第一层网络的预测误差得到修正，提升了双层神经网络的整体预测精度；同时虑第一层神经网络和第二层神经网络参数之间的相互影响，使用遗传算法寻找模型中的每层神经网络之间的最佳平衡点，确定其合理的超参数，提升了模型在不同地区不同风电场中的适用性。

公开(公告)号：CN114021818A

公开(公告)日：2022-02-08

申请号：CN202111308282.8

申请日：2021-11-05

申请人： 华南理工大学

发明人： 刘明波 ,  张思毅 ,  雷振兴 ,  林舜江 ,  谢敏

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了考虑时空分布特征的风电功率多步预测方法，包括：利用所获取的风电机组数据，对风电机组数据进行聚类，聚类成若干个机组群，以提取出风电场功率的空间分布特征；对每一个机组群的功率序列进行EEMD分解，得到若干个风电场功率子序列，提取出风电功率序列的时间分布特征；为每一个机组群的子序列分别建立编码器‑解码器多步预测网络模型，该网络模型由两个GRU网络组成，第一个网络提取输入功率序列的有效信息后将其编码成特征向量；第二个网络则对编码器传送过来的特征向量进行解码，获得预测功率序列；将各个机组群的预测功率进行重构，获得风电场总功率的预测曲线。本方法保证了预测尺度和预测精度，更加贴近实际风电调度任务场景。