[发明专利]基于集合经验模态分解的粒子群优化长短期记忆网络的区域风光系统出力预测模型在审
| 申请号： | 202310613810.3 | 申请日： | 2023-05-29 |
| 公开（公告）号： | CN116488166A | 公开（公告）日： | 2023-07-25 |
| 发明（设计）人： | 张宇华;时鑫洋;王育飞;薛花;于艾清 | 申请（专利权）人： | 上海电力大学 |
| 主分类号： | H02J3/00 | 分类号： | H02J3/00;G06N3/0442;G06N3/006;G06Q50/06 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 200090 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种短期区域风光系统功率预测方法，将集合经验模态分解(EEMD)、参数粒子群优化(PSO)和长短记忆网络(LSTM)进行有机融合，利用集合经验模态分解对选取样本日的风光出力进行数据分解，得到11个子序列，根据风光各频分量所占能量比的不同，以IMF前后分量变化值最大时所对应的阶次为高低频初始分界点，将固有模态分量重构成高频分量和低频分量；利用粒子群对长短期记忆网络进行优化，构建基于PSO‑LSTM的预测模型，PSO算法是一种自适应学习策略算法，可以对隐藏层单元个数、初始学习率、最大迭代次数三个参数进行寻优，确定最优参数组合；将高频分量和低频分量分别输入PSO‑LSTM的预测模型中，最终的预测结果进行叠加，有效的提高了预测结果的准确度。 | ||
| 搜索关键词： | 基于 集合 经验 分解 粒子 优化 短期 记忆 网络 区域 风光 系统 出力 预测 模型 | ||
【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上海电力大学，未经上海电力大学许可，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/202310613810.3/，转载请声明来源钻瓜专利网。
