公开(公告)号：CN116050504A

公开(公告)日：2023-05-02

申请号：CN202310088915.1

申请日：2023-02-03

Applicant: 新疆大学

Inventor： 张光昊 ,  张新燕 ,  王朋凯 ,  廖世强 ,  刘莎莎 ,  施锐 ,  宋旭 ,  黄利祥 ,  马瑞真 ,  梁帅

IPC: G06N3/09 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0442 ,  G06N3/0464 ,  G06F16/2458 ,  G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种基于深度学习的风电功率短期预测模型，包括以下步骤：获取风力发电功率及NWP原始数据；将数据缺失值使用均值填补补全；使用皮尔逊相关性分析将数据降维，剔除不必要的特征；本发明通过采用基于深度学习的风电功率短期预测模型对风电功率进行短期预测，一方面承认事物发展的延续性，运用过去的时间序列数据进行统计分析，推测出事物的发展趋势；另一方面充分考虑到由于偶然因素影响而产生的随机性，为了消除随机波动产生的影响，利用历史数据进行统计分析，并对数据进行适当处理，进行趋势预测，解决了数据特征间信息提取不充分的问题，进一步提高了模型的预测精度。