【技术实现步骤摘要】
本专利技术涉及人工智能，特别涉及一种基于深度学习的风电功率预测方法及装置。
技术介绍
1、随着风力发电的快速发展，风电功率预测的准确性对于电网调度和系统稳定性至关重要。风电功率受气象条件和设备状态的影响，具有显著的波动性和不确定性。相关技术中，采用深度学习模型进行超短期风电功率预测。深度学习模型是利用历史气象数据、历史运行数据训练得到的。而相关技术中在模型训练过程中是针对输入的每一个单一参量分别进行特征学习，风电功率预测结果的准确性较低。
技术实现思路
1、本专利技术提供了一种基于深度学习的风电功率预测方法及装置。技术方案如下：
2、一方面，提供了一种基于深度学习的风电功率预测方法，所述方法包括：
3、获取目标风电场与风电功率相关的历史数据；所述历史数据包括真实风电功率和对应的多个参量特征数据；所述参量包括气象参量和风机运行参量；
4、将设定时长作为滑动窗口，利用滑动窗口将所述历史数据按照时序进行数据分组，得到多个分组；
5、基于所述多个参量...
【技术保护点】
1.一种基于深度学习的风电功率预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述相关性系数是动态变化的。
3.根据权利要求2所述的方法，其特征在于，所述相关性系数是按照分组中的多个参量特征数据计算得到的；
4.根据权利要求1所述的方法，其特征在于，根据两个参量之间的特征相关性系数，若两个参量正相关，则确定该两个参量具有相关性；
5.根据权利要求4所述的方法，其特征在于，所述设定次数的确定方式为：
6.根据权利要求5所述的方法，其特征在于，将节点数量减1的差值作为设定次数。
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。