公开(公告)号：CN113673775A

公开(公告)日：2021-11-19

申请号：CN202110981226.4

申请日：2021-08-25

Applicant: 武汉科技大学

Inventor： 廖雪超 ,  柯鹏 ,  陈才圣 ,  程轶群 ,  马亚文 ,  黄相

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  H02J3/00 ,  H02J3/38

Abstract: 本发明公开了基于CNN‑LSTM及深度学习的时空组合预测方法，包括：S1、通过MI互信息算法对原始数据集的时间和空间相关性进行分析，消除数据间的冗余信息，对原始数据进行降维；S2、建立MI‑CNN‑LSTM模型，对降维后的数据进行预测，CNN用于提取各站点空间信息，LSTM用于获取时间序列数据间的依赖信息；S3、在LSTM网络的LSTM层与输出层之间增加AT层，得到MI‑CNN‑ALSTM模型，并对训练集数据进行模型学习；S4、引入PSO算法对训练参数寻优，得到MI‑CNN‑ALSTM‑PSO模型；S5、对测试集进行预测得到最终的预测值。本发明提出的MI‑CNN‑ALSTM‑PSO时空组合预测模型进一步提高风电功率预测精度和稳定性。