本发明属于新能源风力发电功率预测技术领域,涉及一种基于自适应深度残差网络的超短期风电功率预测方法,包括步骤如下:S1采集风电场历史数据;S2采用Pearson相关系数法筛选数据,并箱型图分析法处理异常数据;S3对变量数据归一化处理;S4建立深度残差网络风电功率预测模型;S5采用自适应AdaDelta优化算法优化预测模型,得最佳参数;S6将数据输入预测模型中进行训练;S7输出变量为待预测时刻风电功率预测值;S8将预测值进行反归一化处理得到最终的风电功率预测结果;S9建立评估指标体系,评估风电功率预测结果精确度。本发明解决传统深度神经网络模型训练过程中网络加深产生网络退化的问题,提高模型预测精度。
声明:
“基于自适应深度残差网络的超短期风电功率预测方法” 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)