公开(公告)号：CN116522761A

公开(公告)日：2023-08-01

申请号：CN202310388558.0

申请日：2023-04-12

Applicant: 广西大学

Inventor： 殷林飞 ,  孙宇杰

IPC: G06F30/27 ,  G06Q50/06 ,  G06F17/18 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08 ,  G06Q10/04 ,  G06F119/02 ,  G06F111/08

Abstract: 本发明提出一种多网络结合的多区域时频空风电出力预测方法。该方法首先将风电场原始数据用于训练Inception V4网络、时间卷积网络、双向门控循环神经网络和Universal Transformer网络。将Inception V4网络和时空卷积网络的输出结果一起输入Universal Transformer网络，再将Universal Transformer网络输出结果与双向门控循环神经网络输出结果相加，得到本区域风电出力预测结果。其余区域的数据处理方法与上述方法相同。最后将各区域预测结果经三层全连接层处理相加得出最终风电出力预测。该方法能够提高风电场出力数据的精确预测。

公开(公告)号：CN118589492A

公开(公告)日：2024-09-03

申请号：CN202410953641.2

申请日：2024-07-16

Applicant: 广西大学

Inventor： 殷林飞 ,  孙宇杰

IPC: H02J3/00 ,  H02J3/38 ,  G06N3/049 ,  G06N3/0455 ,  G06Q10/0631 ,  G06N3/0442 ,  G06Q10/04 ,  G06Q50/06 ,  G06Q50/26 ,  G06N20/20

Abstract: 本发明提出一种基于集成学习的风电功率预测方法。该方法由N个相同的平行系统构成。首先将风电场原始数据输入系统I中的BERT模型进行训练与预测，得到BERT模型的风电功率预测结果。然后将该预测结果与风电场原始数据一起分别输入不同的基础学习器进行训练与预测，再将不同基础学习器的预测结果输入元模型之中进行训练与预测，得到系统I的风电功率预测结果。其余系统的训练与预测方法与上述方法相同。最后将不同系统的风电功率预测结果与当日风电功率实际值进行对比，取预测结果最精确的系统的预测结果作为未来14天的风电功率预测值。该方法能够提高风电场风电功率的预测精度。