- 专利标题： 一种基于特征选择与多层级深度迁移学习的风电场短期功率预测方法
-
申请号： CN202110118904.4申请日： 2021-01-28
-
公开(公告)号： CN112949904A公开(公告)日： 2021-06-11
- 发明人: 彭小圣 , 王洪雨 , 贾诗媛
- 申请人： 华中科技大学
- 申请人地址： 湖北省武汉市洪山区珞瑜路1037号
- 专利权人： 华中科技大学
- 当前专利权人： 华中科技大学
- 当前专利权人地址： 湖北省武汉市洪山区珞瑜路1037号
- 代理机构： 武汉开元知识产权代理有限公司
- 代理商 唐正玉
- 主分类号： G06Q10/04
- IPC分类号： G06Q10/04 ; G06F30/27 ; G06N3/04 ; G06N3/08 ; G06K9/62 ; G06Q50/06
摘要：
本发明公开一种基于特征选择与多层级深度迁移学习的风电场短期功率预测方法，将采集到的的数据划分为两个数据集，分别作为迁移学习的目标风电场和源风电场，首先根据与目标风电场的相关程度对源风电场的数据样本进行了多层级划分，然后基于多层级的源风电场数据样本构建目标风电场的多层级深度迁移学习模型，最后采用特征选择的方法对多层级深度迁移学习模型进行优化，通过该方法预测可以减少数据训练规模，避免数据过度拟合，具有推广价值。
公开/授权文献
- CN112949904B 一种基于特征选择与多层级深度迁移学习的风电场短期功率预测方法 公开/授权日：2022-06-07
