公开(公告)号：CN113449916A

公开(公告)日：2021-09-28

申请号：CN202110721546.6

申请日：2021-06-28

Applicant: 上海电机学院

Inventor： 黄泰儒 ,  付晓刚 ,  李火花

IPC: G06Q10/04 ,  G06Q50/06 ,  G06Q10/06 ,  G06F16/215 ,  G06F16/28 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明涉及一种基于WDNN框架的风电功率预测方法，包括：采集风电历史数据集，并进行预处理，将并输入训练好的风电功率预测模型，获得风电功率预测结果；预测过程包括：将原始离散特征数据输入交叉积变换单元，输出新离散特征数据，将新离散特征数据和原始离散数据特征输入全连接层，输出第一风电功率预测值；将原始连续特征数据输入XGBoost子模型，输出新连续特征数据，将新连续特征数据和原始连续特征数据输入DNN子模型，输出第二风电功率预测值；将第一风电功率预测值和第二风电功率预测值输入拼接神经元，输出风电功率最终预测值。与现有技术相比，本发明能够同时学习风电历史数据集中浅层特征和深层特征，提高了预测精度。