【技术实现步骤摘要】
本专利技术涉及人工智能，特别是一种超短期风功率预测方法及系统。
技术介绍
1、在当前社会，随着数据科学和人工智能的迅猛发展，各行业纷纷将大数据和智能算法应用于解决各种复杂问题，尤其在可再生能源领域，如风电场，对风速和风功率的准确预测变得日益关键，这一趋势源于对可再生能源的日益依赖，以及对能源供应的可靠性和稳定性的不断追求，在这个背景下，精准的超短期风功率预测技术成为提高电网运行效率和优化能源利用的重要手段之一。因此，数据科学与人工智能技术在可再生能源领域的应用逐渐受到关注和重视，为解决风电场等可再生能源的挑战提供了新的机遇和可能性。
2、现有的超短期风功率预测方法往往存在一些缺陷，传统的预测模型在处理风速数据时可能忽略了数据中的异常值和缺失值，导致预测结果不够准确，另外，现有方法可能缺乏对复杂数据结构的有效处理，导致预测精度不高，本专利技术采用了改进的自适应噪声完备集成经验模态分解模型、残差注意力机制和淘金优化算法等技术手段，解决了上述问题，提高了超短期风功率预测的准确性和可靠性。
技术实现思路<
本文档来自技高网...
【技术保护点】
1.一种超短期风功率预测方法，其特征在于：包括，
2.如权利要求1所述的超短期风功率预测方法，其特征在于：所述处理包括采用四分位法对原始数据集进行过滤，所述过滤包括去除原始数据集的异常值和缺失值，具体步骤如下：
3.如权利要求2所述的超短期风功率预测方法，其特征在于：所述风速数据进行分解包括采用ICEEMDAN算法对风速数据分解为n个IMF分量，计算各IMF分量的熵值，构建原始气象数据，具体计算步骤如下：
4.如权利要求3所述的超短期风功率预测方法，其特征在于：所述残差注意力机制包括分配原始气象数据权重，根据分配结果计算残差连接，引...
【技术特征摘要】
1.一种超短期风功率预测方法，其特征在于：包括，
2.如权利要求1所述的超短期风功率预测方法，其特征在于：所述处理包括采用四分位法对原始数据集进行过滤，所述过滤包括去除原始数据集的异常值和缺失值，具体步骤如下：
3.如权利要求2所述的超短期风功率预测方法，其特征在于：所述风速数据进行分解包括采用iceemdan算法对风速数据分解为n个imf分量，计算各imf分量的熵值，构建原始气象数据，具体计算步骤如下：
4.如权利要求3所述的超短期风功率预测方法，其特征在于：所述残差注意力机制包括分配原始气象数据权重，根据分配结果计算残差连接，引入残差连接对特征矩阵进行优化；
5.如权利要求4所述的超短期风功率预测方法，其特征在于：所述重构包括利用淘金优化算法构成矩阵mgp，确定初始淘金者的搜索代理位置，根据当前的搜索代理位置迁移到新位置；
【专利技术属性】
技术研发人员：欧旭鹏，任涛，刘鹏飞，王媛媛，王玉鹏，张亮，
申请(专利权)人：华能华家岭风力发电有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。