本发明公开了提出了基于VMD和CNN‑LSTM的风功率概率预测模型,属于新能源发电和智能电网的技术领域,包含以下内容,首先使用VMD技术将原始风功率数据序列分解为一系列特征互异的模态分量,再通过卷积神经网络(convolutional neural network,CNN)提取反映各模态分量动态变化的高阶特征。长短期记忆(long short‑term memory,LSTM)循环神经网络基于提取的高阶特征进行分位数回归建模,预测未来任意时刻不同分位数条件下的风功率值。最后利用核密度估计(kernel density estimation,KDE)得到风功率概率密度曲线。采用本发明方法,该模型能够在保证了对风功率点预测准确性的同时,实现高可靠性和敏锐度的风功率区间预测以及可靠有效的风功率概率预测。
声明:
“基于VMD和CNN-LSTM的风功率概率预测模型” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)