一种基于时域卷积神经网络的短期风电功率预测方法技术

本发明专利技术公开了一种基于时域卷积神经网络的短期风电功率预测方法，先采集风电场历史风电功率数据以及对应时间范围内的风向和风速等数据，然后进行预处理构建出满足时域卷积神经网络输入需求的样本数据集；然后构建基于时域卷积神经网络作为短期风电功率预测模型，通过样本数据集训练时域卷积神经网络，使其能够精准预测风电功率；最后再通过训练完成的短期风电功率预测模型对实时预测风电场的功率数据。

【技术实现步骤摘要】

本专利技术属于风电场功率预测，更为具体地讲，涉及一种基于时域卷积神经网络的短期风电功率预测方法。

技术介绍

1、近年来，风电技术的快速发展在一定程度上促进了风电设备在现代电力系统中的广泛应用的同时，也因自身的不确定性、不稳定性对电力系统的本身造成负面影响。故为了保障电力系统调度的稳定运行，需要依此构建较为精准的风电功率预测模型进行功率预测。

2、风电功率预测模型会根据预测模型的内部是否具备参数这一特点划分为参数模型和非参数模型。参数模型以支持向量机、线性回归、逻辑回归等算法为代表通过预设的数学形式来描述数据，并使用数据集来估计模型的参数。但是在实际应用中，如果实际数据与预设的模型形式不符，那么参数模型可能会产生较大的误差。

3、非参数模型不假设任何预设的数学形式，因此它们能够更灵活地适应数据的实际分布。这使得非参数模型在处理复杂的、非线性的数据时具有优势。常见的非参数风电功率预测模型包括长短期记忆算法、随机森林、决策树等。此类模型具有一定的模型灵活性以及具备能够高效地处理非线性问题的能力。但是尽管非参数模型在处理复杂的、非线性的数据本文档来自技高网...

【技术保护点】

1.一种基于时域卷积神经网络的短期风电功率预测方法，其特征在于，包括以下步骤：

【技术特征摘要】

1.一种基于时域卷积神经网络的短期风电功...

【专利技术属性】
技术研发人员：张真源，郑锴文，刘影，韩雨岑，胡利，胡晨彬，王鹏，唐啸天，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：