基于特征提取和深度学习的风电爬坡事件预测方法.pdfVIP

下载本文档

15
0
约1.74万字
约 17页
2023-06-01 发布于四川
举报
版权申诉

基于特征提取和深度学习的风电爬坡事件预测方法.pdf

1、本文档共17页，其中可免费阅读16页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本发明公开了一种基于特征提取和深度学习的风电爬坡事件预测方法，首先，利用改进旋转门(OpSDA)算法对历史风电功率进行爬坡识别得到历史爬坡特征值；然后将历史特征值和历史功率作为预测模型输入，预测功率作为输出，建立CNN‑LSTM风电功率预测模型，通过深度学习挖掘风电爬坡特征与风电功率的耦合关系，其中CNN负责数据特征的二次提取，LSTM负责预测风电功率；最后再进行爬坡识别后得到爬坡事件预测结果。采用深度学习网络有效提取并学习风电中的爬坡特性，能得到更为精确的爬坡预测结果。

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112529275 A (43)申请公布日 2021.03.19 (21)申请号 202011398774.6 G06N 3/08 (2006.01) (22)申请日 20