一种基于TCN-GRU联合模型的风电功率短期预测方法
基本信息
| 申请号 | CN202111366220.2 | 申请日 | - |
| 公开（公告）号 | CN114330094A | 公开（公告）日 | 2022-04-12 |
| 申请公布号 | CN114330094A | 申请公布日 | 2022-04-12 |
| 分类号 | G06F30/27（2020.01）I;G06Q10/04（2012.01）I;G06Q50/06（2012.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06F111/08（2020.01）N;G06F113/06（2020.01）N;G06F119/06（2020.01）N | 分类 | 计算；推算；计数; |
| 发明人 | 王婧楠;李昊林;张瑞清;姜磊;郭浩天;连想;赵豪强;胡肖瑞;卢扬;吕昆;刘明 | 申请（专利权）人 | 国网吉林省电力有限公司白山供电公司 |
| 代理机构 | 通化旺维专利商标事务所有限公司 | 代理人 | 王伟 |
| 地址 | 100033北京市西城区西长安街86号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于TCN‑GRU联合模型的风电功率短期预测方法，所述方法包括：选取风电场及单风机两种场景的风速及风电功率时序，构造风速‑风电功率平行数据集，按照风速分布分为三段，利用孤立森林聚类方法筛查各段相应时序数据异常值；对预处理后的正常时序数据，采用TCN提取风电功率时间序列的顺序特征以及单维单向空间特征，利用GRU二次提取风电功率序列的顺序特征，二模型与预测器联合训练。本发明可以有效提升实际风电场场时序数据预测精度，提高了模型对于风电剧烈波动时序特征的挖掘能力；将这种单维时空神经网络用于处理风机单维时序波动数据，可以得出精确、有效的风电场内单维时序预测效果。 |
