公开(公告)号：CN111242377A

公开(公告)日：2020-06-05

申请号：CN202010042211.7

申请日：2020-01-15

申请人： 重庆大学

发明人： 唐俊杰 ,  彭志云 ,  陆彬春 ,  符礼丹 ,  刘梦洁 ,  林星宇

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06F16/215 ,  G06F16/2458

摘要： 本发明公开了一种集成深度学习和数据去噪的短期风速预测方法，步骤为：1)利用离散小波变换对风速序列A进行分解。2)利用小波软阈值去噪方法区分离散小波变换后的噪声信号和有效信号；3)将噪声信号的小波变换系数设为零，并重建风速时间序列，得到去噪后的风速序列B；4)利用风速序列B训练门控循环单元神经网络，得到风速预测模型；6)将实时风速输入到风速预测模型中，完成未来多步风速预测。本发明可以实现短期风速高质量的预测，以确保电力系统的经济调度和安全运行。

公开(公告)号：CN111242377B

公开(公告)日：2023-08-25

申请号：CN202010042211.7

申请日：2020-01-15

申请人： 重庆大学

发明人： 唐俊杰 ,  彭志云 ,  陆彬春 ,  符礼丹 ,  刘梦洁 ,  林星宇

IPC分类号： G06F18/10 ,  G06F18/2131 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/08 ,  G06N7/08 ,  G06F123/02

摘要： 本发明公开了一种集成深度学习和数据去噪的短期风速预测方法，步骤为：1)利用离散小波变换对风速序列A进行分解。2)利用小波软阈值去噪方法区分离散小波变换后的噪声信号和有效信号；3)将噪声信号的小波变换系数设为零，并重建风速时间序列，得到去噪后的风速序列B；4)利用风速序列B训练门控循环单元神经网络，得到风速预测模型；6)将实时风速输入到风速预测模型中，完成未来多步风速预测。本发明可以实现短期风速高质量的预测，以确保电力系统的经济调度和安全运行。