本发明提出一种基于深度学习融合模型的风电功率预测方法及设备,利用Scada系统风电功率实时监测数据及结合历史风电功率数据对风电功率预测,将Scada系统风电功率实时监测数据和历史风电功率数据输入由卷积神经网络、BiLSTM网络、Attention注意力机制构建深度学习融合模型提取文本特征,最终将其获得的特征进行合并操作得到融合特征,这样得到最优文本特征对风电功率进行高效精准预测。通过该方法不仅提高供电系统调度运行计划制定精准性,而且有利于降低新能源发电功率预测的误差现象。
声明:
“基于深度学习融合模型的风电功率预测方法及设备” 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)