原创力文档- 1、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。。
- 2、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。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
查看更多
本发明公开了一种基于改进自举法的风电功率超短期概率预测方法，包括如下步骤：步骤1、设计小波阈值函数，对风电功率时间序列进行降噪预处理，并将降噪后的风电功率数据归一化；步骤2、将功率数据划分为训练集和测试集，训练长短期记忆网络；步骤3、运用改进粒子群优化算法获取长短期记忆网络的最优超参数，在此基础上，实现了风电功率的点预测；步骤4、利用改进自举方法对训练集重抽样，分析预测误差，结合点预测模型计算出概率预测区间，实现风电功率的超短期概率预测。本发明提出的模型，其预测性能明显优于传统的自举模型，且具有
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116632825 A
(43)申请公布日 2023.08.22
(21)申请号 202310595503.7 G06F 18/10 (2023.01)
(22)申请日 2023.05.
文档评论（0）