-
公开(公告)号:CN118396036A
公开(公告)日:2024-07-26
申请号:CN202410532105.5
申请日:2024-04-29
Applicant: 中国南方电网有限责任公司 , 华中科技大学
IPC: G06N3/045 , H02J3/00 , H02J3/38 , G06N3/0442 , G06N3/0464 , G06F18/2113 , G06F18/2115 , G06F18/2137 , G06F18/23213 , G06Q50/06
Abstract: 本发明公开了一种风电功率预测方法、系统、设备及介质,包括:基于熵权法对不同k值的k‑means++算法和SOM模型的聚类结果进行了综合评估,针对不同季节的原始数据筛选出了不同的最优聚类算法,利用非线性Granger因果检验对各聚类类别的气象因子与风电功率之间进行因果关系分析,确定预测模型输入变量,结合Granger因果检验建立基于注意力机制和卷积神经网络结合长短期记忆神经网络的模型,通过训练得到短期风电功率预测值。本发明的预测方法将Granger因果检验和注意力机制相结合,相较于传统深度学习模型能够有效提高风电功率预测精度。
-
公开(公告)号:CN118396036B
公开(公告)日:2025-05-02
申请号:CN202410532105.5
申请日:2024-04-29
Applicant: 中国南方电网有限责任公司 , 华中科技大学
IPC: G06N3/045 , H02J3/00 , H02J3/38 , G06N3/0442 , G06N3/0464 , G06F18/2113 , G06F18/2115 , G06F18/2137 , G06F18/23213 , G06Q50/06
Abstract: 本发明公开了一种风电功率预测方法、系统、设备及介质,包括:基于熵权法对不同k值的k‑means++算法和SOM模型的聚类结果进行了综合评估,针对不同季节的原始数据筛选出了不同的最优聚类算法,利用非线性Granger因果检验对各聚类类别的气象因子与风电功率之间进行因果关系分析,确定预测模型输入变量,结合Granger因果检验建立基于注意力机制和卷积神经网络结合长短期记忆神经网络的模型,通过训练得到短期风电功率预测值。本发明的预测方法将Granger因果检验和注意力机制相结合,相较于传统深度学习模型能够有效提高风电功率预测精度。
-