- 专利标题: 一种基于深度学习网络的短期风电功率预测方法和系统
-
申请号: CN202110015294.5申请日: 2021-01-07
-
公开(公告)号: CN112348292A公开(公告)日: 2021-02-09
- 发明人: 裴岩 , 王勃 , 车建峰 , 冯双磊 , 刘纯 , 汪步惟 , 王铮 , 王钊 , 赵艳青 , 姜文玲 , 张菲
- 申请人: 中国电力科学研究院有限公司
- 申请人地址: 北京市海淀区清河小营东路15号
- 专利权人: 中国电力科学研究院有限公司
- 当前专利权人: 中国电力科学研究院有限公司
- 当前专利权人地址: 北京市海淀区清河小营东路15号
- 代理机构: 北京安博达知识产权代理有限公司
- 代理商 徐国文
- 主分类号: G06Q10/04
- IPC分类号: G06Q10/04 ; G06Q50/06 ; G06N3/08 ; G06N3/04
摘要:
本发明提供了一种基于深度学习网络的短期风电功率预测方法和系统,包括:获取待预测风电所在区域的数值天气预报数据;将数值天气预报数据输入预先训练的深度学习映射模型,得到风电功率的预测值;其中,深度学习映射模型包括数值天气预报数据与风电功率预测值的对应关系;数值天气预报数据按照位置构成网格,网格中每个格点包括多个天气参数;本发明可提升风电场短期功率预测精度,同时可以降低区域风电功率预测模型的建模时间,降低所需的计算资源和人力资源。
公开/授权文献
- CN112348292B 一种基于深度学习网络的短期风电功率预测方法和系统 公开/授权日:2021-08-06