本发明公开了一种基于集成深度学习的非交叉分位数风电功率概率预测方法,该方法首先利用胡贝尔损失函数,建立了基于深度学习的分位数回归模型;然后提出了一种指数堆栈映射方法,用于规避深度学习分位数回归模型的分位数交叉问题;最后构建了一种评估预测分位数总体性能的分位数损失指标,用于深度学习分位数回归模型的双阶段自适应集成,构建了同质深度学习和异质深度学习的混合集成模型。该方法利用深度学习的非线性映射能力和自适应特征提取能力,采用集成学习提升了预测模型的泛化能力,保证了预测分位数的严格单调特性,实现了风电功率的非参数概率预测,有效量化了预测不确定性,为新能源电力系统安全可靠稳定运行提供了关键信息支撑。
声明:
“基于集成深度学习的非交叉分位数风电功率概率预测方法” 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)