[發(fā)明專利]一種基于隨差遺忘長(zhǎng)短期記憶的風(fēng)電功率實(shí)時(shí)預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010939134.5
• 申請(qǐng)日: 2020-09-09
• 公開(kāi)（公告）號(hào): CN112036658B
• 公開(kāi)（公告）日: 2022-06-14
• 發(fā)明（設(shè)計(jì)）人: 張沛;李春平
• 申請(qǐng)（專利權(quán)）人: 華東交通大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;G06N3/04
• 代理公司: 南昌新天下專利商標(biāo)代理有限公司 36115
• 代理人: 施秀瑾

1.一種基于隨差遺忘長(zhǎng)短期記憶的風(fēng)電功率實(shí)時(shí)預(yù)測(cè)方法，其特征在于，具體步驟如下：

(1)采集風(fēng)電功率歷史數(shù)據(jù)

(2)構(gòu)建預(yù)測(cè)模型的輸入數(shù)據(jù)

以斯皮爾曼相關(guān)系數(shù)法進(jìn)行風(fēng)電功率歷史數(shù)據(jù)與各NWP數(shù)據(jù)特征相關(guān)性量化分析、風(fēng)電功率時(shí)間序列自相關(guān)性量化分析后，重新構(gòu)建一個(gè)包含歷史時(shí)刻RWP與預(yù)測(cè)時(shí)刻N(yùn)WP的輸入特征序列，作為預(yù)測(cè)模型的輸入數(shù)據(jù)；所述輸入特征序列計(jì)算公式如下：

公式(1)中，n為樣本數(shù)量，d_i為X_i與Y_i兩列第i個(gè)樣本數(shù)列重新按降序排列后的序號(hào)差，X為當(dāng)前的風(fēng)電功率數(shù)據(jù)，Y為NWP數(shù)據(jù)或?yàn)闅v史時(shí)刻的風(fēng)電功率數(shù)據(jù)；

(3)建立隨差遺忘LSTM風(fēng)電功率實(shí)時(shí)預(yù)測(cè)模型

在標(biāo)準(zhǔn)長(zhǎng)短期記憶遺忘門(mén)上進(jìn)行改進(jìn)，得到隨差遺忘長(zhǎng)短期記憶的風(fēng)電功率實(shí)時(shí)預(yù)測(cè)模型，且隨差遺忘長(zhǎng)短期記憶的風(fēng)電功率實(shí)時(shí)預(yù)測(cè)模型在任意時(shí)刻均擁有三個(gè)門(mén)，即輸入門(mén)、輸出門(mén)和遺忘門(mén)，并將t-1時(shí)刻預(yù)測(cè)值與實(shí)際值兩者的絕對(duì)誤差作為遺忘門(mén)的輸入量；

(4)訓(xùn)練隨差遺忘LSTM風(fēng)電功率實(shí)時(shí)預(yù)測(cè)模型并進(jìn)行預(yù)測(cè)

根據(jù)步驟(2)獲得的輸入特征序列對(duì)隨差遺忘LSTM風(fēng)電功率實(shí)時(shí)預(yù)測(cè)模型進(jìn)行訓(xùn)練，最后用已經(jīng)訓(xùn)練完成的隨差遺忘LSTM風(fēng)電功率實(shí)時(shí)預(yù)測(cè)模型完成風(fēng)電功率實(shí)時(shí)預(yù)測(cè)。

2.根據(jù)權(quán)利要求1所述的一種基于隨差遺忘長(zhǎng)短期記憶的風(fēng)電功率實(shí)時(shí)預(yù)測(cè)方法，其特征在于，步驟(2)中，同時(shí)以構(gòu)建輸入特征序列的時(shí)間序列作為每步預(yù)測(cè)的輸入進(jìn)行實(shí)時(shí)滾動(dòng)風(fēng)電功率預(yù)測(cè)。

3.根據(jù)權(quán)利要求1所述的一種基于隨差遺忘長(zhǎng)短期記憶的風(fēng)電功率實(shí)時(shí)預(yù)測(cè)方法，其特征在于，步驟(3)中，各個(gè)門(mén)公式如下：

輸入門(mén)：

i_t＝s(W_i·[h_t-1，x_t]+b_i) (3)

預(yù)更新門(mén)：

新單元狀態(tài)：

輸出門(mén)：

o_t＝s(W_o·[h_t-1，x_t]+b_o) (6)

模型最終輸出：

h_t＝o_t·tanh(c_t) (7)

遺忘門(mén)：

f_t＝s(W_f·K+b_f) (8)

上述公式中，s為sigmoid激活函數(shù)，W_f為遺忘門(mén)的權(quán)重矩陣；b_f為遺忘門(mén)的偏置項(xiàng)，T為tanh激活函數(shù)，K＝h′_t-1-h_t-1，h’_t-1為t-1時(shí)刻實(shí)際值，h_t-1為t-1時(shí)刻的預(yù)測(cè)值，h_t為t時(shí)刻的預(yù)測(cè)值，x_t為輸入變量。

4.根據(jù)權(quán)利要求1所述的一種基于隨差遺忘長(zhǎng)短期記憶的風(fēng)電功率實(shí)時(shí)預(yù)測(cè)方法，其特征在于，所述隨差遺忘LSTM風(fēng)電功率實(shí)時(shí)預(yù)測(cè)模型的源代碼、隨差遺忘LSTM風(fēng)電功率實(shí)時(shí)預(yù)測(cè)模型的訓(xùn)練及風(fēng)電功率實(shí)時(shí)預(yù)測(cè)均在Python平臺(tái)上完成。