公开(公告)号：CN115952924A

公开(公告)日：2023-04-11

申请号：CN202310219140.7

申请日：2023-03-09

Applicant: 南京信息工程大学

Inventor： 谈玲 ,  陈一禾 ,  夏景明

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F18/22 ,  G06F18/214 ,  G06F18/24 ,  G06N3/006

Abstract: 本发明公开了一种基于优化VMD与特征热力图的短期风电功率预测方法。采用优化VMD算法分解并降低风电功率数据中的噪声干扰，将风电功率分量数据分成平稳集和剧变集，根据平稳集和剧变集的预测需求采用两种不同的预测操作，针对平稳集数据直接将本时段数据输入网络进行预测，针对剧变集数据应用特征热力图法获取相似时段数据与本时段数据共同输入网络进行预测，在相同条件下，本方法能够以较低的时间复杂度完成高精度风电功率预测，平均绝对误差达到0.77，与其他算法相比整体预测性能显著提升。

公开(公告)号：CN115952924B

公开(公告)日：2023-06-16

申请号：CN202310219140.7

申请日：2023-03-09

Applicant: 南京信息工程大学

Inventor： 谈玲 ,  陈一禾 ,  夏景明

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F18/22 ,  G06F18/214 ,  G06F18/24 ,  G06N3/006

Abstract: 本发明公开了一种基于优化VMD与特征热力图的短期风电功率预测方法。采用优化VMD算法分解并降低风电功率数据中的噪声干扰，将风电功率分量数据分成平稳集和剧变集，根据平稳集和剧变集的预测需求采用两种不同的预测操作，针对平稳集数据直接将本时段数据输入网络进行预测，针对剧变集数据应用特征热力图法获取相似时段数据与本时段数据共同输入网络进行预测，在相同条件下，本方法能够以较低的时间复杂度完成高精度风电功率预测，平均绝对误差达到0.77，与其他算法相比整体预测性能显著提升。