一种按桨距角分类的多分类深度学习短期风功率预测方法
基本信息
| 申请号 | CN201911186151.X | 申请日 | - |
| 公开（公告）号 | CN111091236A | 公开（公告）日 | 2020-05-01 |
| 申请公布号 | CN111091236A | 申请公布日 | 2020-05-01 |
| 分类号 | G06Q10/04;G06Q50/06;G06N3/08 | 分类 | 计算；推算；计数; |
| 发明人 | 李晓刚;许兆鹏;崔立业;陈楠;张崇;丁吉钰;吴薇;曹生现;唐振浩;董佳圆 | 申请（专利权）人 | 长春吉电能源科技有限公司 |
| 代理机构 | 北京汉智嘉成知识产权代理有限公司 | 代理人 | 长春吉电能源科技有限公司;吉林电力股份有限公司科技开发分公司;吉林中电投新能源有限公司;东北电力大学 |
| 地址 | 吉林省长春市长春高新技术产业开发区超达路6199号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种按桨距角分类的多分类深度学习短期风功率预测方法,包括以下步骤：将原始风机数据按桨距角度区间等分划分为四个数据集；对所述的四个数据集分别做皮尔森相关性分析以确定每个数据集中各变量与风功率的相关度；根据每个数据集中变量的相关度，挑选与风功率相关性高的几种变量作为深度神经网络模型的输入，风功率作为输出；将每个数据集按比例划分为训练集和测试集，使用训练集和测试集对所述深度神经网络模型分别进行训练和测试，得出最终的深度神经网络模型。本发明的预测方法克服了现有技术中风功率预测精确度不高的问题。 |
