[发明专利]一种基于聚类和深度学习的风电机组功率集群预测方法在审
申请号: | 202010534083.8 | 申请日: | 2020-06-12 |
公开(公告)号: | CN111753893A | 公开(公告)日: | 2020-10-09 |
发明(设计)人: | 王良缘;林芬;杨首晖;陈静;陈传彬;郑建辉;林舒嫄;林硕帆;欧亚 | 申请(专利权)人: | 国网福建省电力有限公司;福州大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06Q50/06;G06Q10/04 |
代理公司: | 福州元创专利商标代理有限公司 35100 | 代理人: | 陈明鑫;蔡学俊 |
地址: | 350003 福*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种基于聚类和深度学习的风电机组功率集群预测方法。获取风电场中每个机组的实际运行数据,并进行归一化处理将归一化后的数据作为K‑means聚类的输入变量,比较选择最佳聚类数作为风电机组的集群个数;对于每组集群,选择其中一台机组作为该集群的代表机组,使用代表机组的变量数据建立所属集群的风电功率预测模型;采用深度学习框架搭建深度长短时记忆网络;根据预测模型的输入输出分别构造出相应的模型输入与对应的输出样本,并将构造的样本划分为训练样本与测试样本,用测试样本来对所训练好的预测模型进行性能测试,得到训练模型的性能评价指标;最后通过得到的最佳的训练模型即可预测出未来多个时间点的风电功率数据。 | ||
搜索关键词: | 一种 基于 深度 学习 机组 功率 集群 预测 方法 | ||
【主权项】:
暂无信息
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网福建省电力有限公司;福州大学,未经国网福建省电力有限公司;福州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/202010534083.8/,转载请声明来源钻瓜专利网。
- 上一篇:一种多光学介质近景摄影测量方法
- 下一篇:一种电动汽车接触器粘连检测方法