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
本公开提出了融合长短期记忆网络和极限学习机的风电预测方法，获取风电功率序列及对应的气象数据，按照频率大小将风电功率序列的特征数据和气象特征数据重新组合形成低频组合输入特征向量和高频组合输入特征向量；将低频组合输入特征向量输入至训练好的长短期记忆网络预测模型，获得第一预测结果，将高频组合输入特征向量输入至训练好极限学习机预测模型，获得第二预测结果；将长短期记忆网络预测模型与极限学习机预测模型的预测结果融合，得到风电功率的最终预测结果。针对不同频率的分量设置不同的预测模型，融合预测模型的预测结果能够
(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CN111832825A
(43)申请公布日2020.10.27
(21)申请号202010676903.7
(22)申请日2020.07.14
(71)申请人山东大学
地址25
文档评论（0）