一种基于ISSA-SE-CNN-BiLSTM与Bootstrap的风电功率预测方法技术

本发明专利技术提出一种基于ISSA‑SE‑CNN‑BiLSTM与Bootstrap的风电功率预测方法，包括以下步骤：通过皮尔逊相关系数分析各气象因子与风电功率之间的相关性，以筛选出输入序列；建立结合通道注意力机制的卷积神经网络模型对输入序列进行特征提取；建立双向长短期记忆神经网络模型捕捉输入特征信息的正反向流动规律；利用改进的麻雀算法对模型的初始学习率、隐藏层节点数、正则化系数三种超参数进行寻优；使用超参数最优的组合模型对风电功率进行点预测，并在点预测结果的基础上，采用Bootstrap法进行预测误差分布分析以得到区间预测结果。与现有技术相比，本发明专利技术的精度更高，鲁棒性更强，且能提供更多元的预测结果。

【技术实现步骤摘要】

本专利技术涉及电网技术与人工智能领域，具体涉及一种基于issa-se-cnn-bilstm与bootstrap的风电功率预测方法。

技术介绍

1、随着“碳达峰、碳中和”政策的推行，我国的能源结构面临着深刻的变革。风力发电有着安全、高效、经济、环保等特点，凭借着这些优势，其已经成为能源转型的中坚力量之一。但风力发电的出力情况受天气影响，随机性、波动性和间歇性较大，随着风电大规模并入电网，电网的稳定性和安全性也面临着严峻的挑战。因此，精确预测风力发电输出功率对于现代电网的输电调配、机组调度具有重要意义。

2、传统的风电功率预测方法包括物理法和统计学方法，但物理法建模和求解过程复杂，可迁移性较差；统计学方法易受到历史数据质量的影响，数据的缺失和错误都会使预测精度显著降低，鲁棒性较差。

3、近年来，随着人工智能技术的发展，越来越多的学者尝试建立人工智能模型对风电功率进行预测。传统做法是把风电功率预测任务抽象为一维时间序列预测任务，利用神经网络学习风电功率的历史数据演化规律来进行预测。但在实际场景中，风电功率会受到风速、风向、气压、温度和湿度本文档来自技高网...

【技术保护点】

1.一种基于ISSA-SE-CNN-BiLSTM与Bootstrap的风电功率预测方法，其特征为：由下列步骤实现：

2.如权利要求1所述的一种基于ISSA-SE-CNN-BiLSTM与Bootstrap的风电功率预测方法，其特征在于：所述步骤S1中的Pearson相关系数函数用于计算各气象因素与风电功率的相关性，Pearson函数计算公式为：

3.如权利要求1所述的一种基于ISSA-SE-CNN-BiLSTM与Bootstrap的风电功率预测方法，其特征在于：所述步骤S2中，结合SE通道注意力机制的卷积神经网络CNN模型结构主要包括卷积层、池化层、SE通道注意力机...

【技术特征摘要】

1.一种基于issa-se-cnn-bilstm与bootstrap的风电功率预测方法，其特征为：由下列步骤实现：

2.如权利要求1所述的一种基于issa-se-cnn-bilstm与bootstrap的风电功率预测方法，其特征在于：所述步骤s1中的pearson相关系数函数用于计算各气象因素与风电功率的相关性，pearson函数计算公式为：

3.如权利要求1所述的一种基于issa-se-cnn-bilstm与bootstrap的风电功率预测方法，其特征在于：所述步骤s2中，结合se通道注意力机制的卷积神经网络cnn模型结构主要包括卷积层、池化层、se通道注意力机制层和全连接层，分别用于气象因子的特征提取、降维、权值分配和展开。

4.如权利要求1所述的一种基于issa-se-cnn-bilstm与bootstrap的风电功率预测方法，其特征在于：所述步骤s3中，bilstm神经网络由前向传播的lstm和后向传播的lstm构成，用于捕捉气象数据序列的正、反向流动规律，综合考虑双向的历...

【专利技术属性】
技术研发人员：杨轶航，韩璐，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：