公开(公告)号：CN110276472A

公开(公告)日：2019-09-24

申请号：CN201910425971.3

申请日：2019-05-21

Applicant: 南方电网调峰调频发电有限公司 ,  武汉大学

Inventor： 陈满 ,  李定林 ,  张豪 ,  彭鹏 ,  邓长虹 ,  梁效文

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06N3/04

Abstract: 本发明公开了一种基于LSTM深度学习网络的海上风电功率超短期预测方法。本发明先对风速时间序列进行多种分析，将多种分析结果相结合提取出海上风电功率超短期预测的特征量，避免了输入量过多而造成模型的过拟合；接着利用深度学习的方法对海上风速进行建模预测；并结合海上风力发电机组的实际风速—功率曲线得到海上风电功率超短期预测值。本方法根据海上风速的特性提取了海上风电功率超短期预测的特征量，避免了相关性低的特征量的输入，在提高了海上风电功率预测精度的同时也提高了预测效率。

公开(公告)号：CN110458316A

公开(公告)日：2019-11-15

申请号：CN201910425135.5

申请日：2019-05-21

Applicant: 武汉大学 ,  南方电网调峰调频发电有限公司

Inventor： 邓长虹 ,  梁效文 ,  陈满 ,  李定林 ,  彭鹏

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于集合经验模态分解与LSTM网络的海上风电功率短期预测方法。本发明先对风速时间序列进行集合经验模态分解，并利用样本熵原理对各分量进行重组，从而降低风速时间序列的波动性；接着利用深度学习的方法对不同频率的信号进行建模预测；叠加得到海上风速的短期预测结果，并结合海上风力发电机组的实际风速—功率曲线得到海上风电功率短期预测值。本方法根据海上风速的波动特性与季节特性训练不同的模型，选取合适的模型后便可进行预测，避免了重复训练，在提高了海上风电功率预测精度的同时也提高了预测效率。