基于SDAE-SVR-BA的风电功率深度学习预测模型优化方法
基本信息
| 申请号 | CN202011346919.8 | 申请日 | - |
| 公开（公告）号 | CN112633551A | 公开（公告）日 | 2021-04-09 |
| 申请公布号 | CN112633551A | 申请公布日 | 2021-04-09 |
| 分类号 | G06Q10/04;G06Q10/06;G06Q50/06;G06N3/00 | 分类 | 计算；推算；计数; |
| 发明人 | 彭小圣;陈奕虹;王洪雨;李刚;傅瑞斌 | 申请（专利权）人 | 内蒙古电力（集团）有限责任公司 |
| 代理机构 | 武汉开元知识产权代理有限公司 | 代理人 | 唐正玉 |
| 地址 | 430074 湖北省武汉市洪山区珞瑜路1037号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供一种基于SDAE‑SVR‑BA的风电功率深度学习预测模型优化方法，包括以下步骤：(1)首先对原始特征数据库中的多维NWP数据和风电场历史功率数据进行预处理；(2)采用蝙蝠算法BA对堆栈去噪自动编码器SDAE的隐含层数和隐含层节点数进行优化；(3)采用SDAE对输入数据做特征映射；(4)采用蝙蝠算法BA优化支持向量回归SVR模型中的参数g和C，g为SVR模型中核函数半径，C为SVR模型中惩罚因子；(5)再将步骤(3)映射特征的数据输入使用BA优化的SVR模型中进行预测，最后输出优化后的预测结果。本发明通过采用BA优化的SDAE‑SVR预测模型，具有出色的特征提取与抽象能力，有效提升了短期风电功率预测的精度，提高了功率预测的鲁棒性和稳定性，适合推广使用。 |
