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
本发明提供一种基于联邦学习的多风机机组短期风功率预测方法，该方法将风场的所有风机视为多个客户端，在中心服务器的协调下使用联邦学习的框架进行基于神经网络的风功率预测模型的训练和测试，风功率预测模型接收风机历史运行数据和预测时段的气象预报数据进行风功率预测。本发明利用联邦学习的框架训练通用于整场所有风机的风功率预测模型，对风场进行更高空间细粒度的风功率预测的同时避免了多个预测模型带来的计算资源负担，并有效地提高风场短期功率预测的精度。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117638910A
(43)申请公布日2024.03.01
(21)申请号202311642512.3
(22)申请日2023.12.04
(71)申请人浙江大学
文档评论（0）