[發(fā)明專利]一種基于GRA-LSTM-ICE模型的短期風(fēng)功率預(yù)測方法有效
| 申請?zhí)枺?/td> | 202110288897.2 | 申請日： | 2021-03-18 |
| 公開（公告）號： | CN113095547B | 公開（公告）日： | 2023-09-26 |
| 發(fā)明（設(shè)計）人： | 王順江;劉天澤;朱天翼;葛維春;陳群;趙琰 | 申請（專利權(quán)）人： | 國網(wǎng)遼寧省電力有限公司;國網(wǎng)遼寧省電力有限公司電力科學(xué)研究院;清華大學(xué);沈陽工程學(xué)院 |
| 主分類號： | G06Q10/04 | 分類號： | G06Q10/04;G06Q50/06;G06F17/18;G06N3/0442;G06N3/08;H02J3/38;H02J3/46 |
| 代理公司： | 沈陽銘揚聯(lián)創(chuàng)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 21241 | 代理人： | 杜蕊 |
| 地址： | 110000 遼*** | 國省代碼： | 遼寧;21 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 gra lstm ice 模型 短期 功率 預(yù)測 方法 | ||
1.一種基于GRA-LSTM-ICE模型的短期風(fēng)功率預(yù)測方法，其特征在于，該方法包括以下步驟：
步驟1：基于灰色關(guān)聯(lián)分析方法，分別計算風(fēng)功率變量與風(fēng)速、風(fēng)向、溫度、相對濕度、氣壓、降雨量、降雪量、云層厚度變量的相關(guān)性，將關(guān)聯(lián)度系數(shù)大于0.5的氣象變量，作為預(yù)測模型的輸入變量；
步驟1.1：將數(shù)值天氣預(yù)報提供的氣象變量和風(fēng)電場采集的風(fēng)功率變量歸一化，消除不同變量之間的物理量綱；
步驟1.2：將多維氣象變量設(shè)為Xi，風(fēng)功率變量設(shè)為Y；
步驟1.3：計算Y與Xi的灰色關(guān)聯(lián)系數(shù)ξi；
步驟1.4：計算Y與Xi的灰色關(guān)聯(lián)度系數(shù)Ri，公式如下：
式中：Ri是第i個氣象變量的灰色關(guān)聯(lián)度系數(shù)；Yt是風(fēng)功率變量在t時刻的值；Xit是第i個氣象變量在t時刻的值；Ym是風(fēng)功率變量的平均值；Xim是第i個氣象變量的平均值；
步驟2：根據(jù)關(guān)聯(lián)度系數(shù)的計算結(jié)果，將關(guān)聯(lián)度系數(shù)大于0.5的氣象變量作為預(yù)測模型的輸入變量，風(fēng)功率變量作為模型的輸出變量，基于長短期記憶神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型，對風(fēng)機出力進行初步預(yù)測；
步驟2.1：計算LSTM網(wǎng)絡(luò)隱含層層數(shù)，以及隱含層神經(jīng)元的個數(shù)；
步驟2.2：計算LSTM網(wǎng)絡(luò)的初始權(quán)重和偏置項；
步驟2.3：訓(xùn)練網(wǎng)絡(luò)，更新權(quán)重和偏置項；
步驟2.4：建立風(fēng)功率預(yù)測模型，計算滿足精度要求的風(fēng)功率預(yù)測值PT；
步驟3：根據(jù)初步的短期風(fēng)功率預(yù)測值，基于信息可信評估(ICE)技術(shù)建立風(fēng)功率預(yù)測修正模型，修正初步預(yù)測值，得到大范圍高精度的風(fēng)功率短期預(yù)測結(jié)果，進一步提高風(fēng)功率的短期預(yù)測精度；
步驟3.1：計算T時刻氣象數(shù)據(jù)的可信評估值A(chǔ)T、單機風(fēng)功率預(yù)測的可信評估值BT，公式如下：
式中：AT是T時刻氣象數(shù)據(jù)的可信評估值；BT是單機風(fēng)功率預(yù)測的可信評估值；TT是T時刻的實際值；PT是T時刻的預(yù)測值；
步驟3.2：計算T時刻單機風(fēng)功率預(yù)測的可信值CT，公式如下：
CT＝AT+BT
式中：CT是T時刻單機風(fēng)功率預(yù)測的可信值；
步驟3.3：計算單機短期風(fēng)功率預(yù)測的可信值PC，公式如下：
式中：PC是單機短期風(fēng)功率預(yù)測的可信值；M是整個短期預(yù)測區(qū)間；
步驟3.4：計算大范圍短期風(fēng)功率的高精度預(yù)測值PN，公式如下：
式中：PN是大范圍短期風(fēng)功率的高精度預(yù)測值；N是整個范圍的風(fēng)機總數(shù)；
步驟4：根據(jù)平均絕對誤差和均方根誤差來評價預(yù)測結(jié)果。
2.根據(jù)權(quán)利要求1所述的一種基于GRA-LSTM-ICE模型的短期風(fēng)功率預(yù)測方法，其特征在于，所述步驟2的LSTM神經(jīng)網(wǎng)絡(luò)包含有1個輸入層、3個隱含層、1個輸出層和1個連接層。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于國網(wǎng)遼寧省電力有限公司;國網(wǎng)遼寧省電力有限公司電力科學(xué)研究院;清華大學(xué);沈陽工程學(xué)院，未經(jīng)國網(wǎng)遼寧省電力有限公司;國網(wǎng)遼寧省電力有限公司電力科學(xué)研究院;清華大學(xué);沈陽工程學(xué)院許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110288897.2/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06Q 專門適用于行政、商業(yè)、金融、管理、監(jiān)督或預(yù)測目的的數(shù)據(jù)處理系統(tǒng)或方法；其他類目不包含的專門適用于行政、商業(yè)、金融、管理、監(jiān)督或預(yù)測目的的處理系統(tǒng)或方法
G06Q10-00 行政；管理
G06Q10-02 .預(yù)定，例如用于門票、服務(wù)或事件的
G06Q10-04 .預(yù)測或優(yōu)化，例如線性規(guī)劃、“旅行商問題”或“下料問題”
G06Q10-06 .資源、工作流、人員或項目管理，例如組織、規(guī)劃、調(diào)度或分配時間、人員或機器資源；企業(yè)規(guī)劃；組織模型
G06Q10-08 .物流，例如倉儲、裝貨、配送或運輸；存貨或庫存管理，例如訂貨、采購或平衡訂單
G06Q10-10 .辦公自動化，例如電子郵件或群件的計算機輔助管理
- 華支睪吸蟲特異性GRA2a類抗原蛋白及其應(yīng)用
- 一種基于GRA-BRLMBP算法的森林火災(zāi)預(yù)測方法
- 提高西蘭花種子的萊菔硫烷水解產(chǎn)量的預(yù)處理方法
- 一種弓形蟲GRA10復(fù)合表位肽及其制備的疫苗
- FTA、FAHP耦合GRA復(fù)雜系統(tǒng)風(fēng)險誘因分析方法
- 一株GRA17基因缺失的弓形蟲弱毒蟲突變株及其制備方法
- 基于高光譜技術(shù)的石蠟等級定性分類與定量回歸方法
- 一種基于加權(quán)GRA和遺傳算法的網(wǎng)絡(luò)選擇方法
- 一種弓形蟲表面抗原GRA1和GRA7重組蛋白的制備
- 編碼新孢子蟲蛋白質(zhì)的多核苷酸分子
- 用于高階長短期記憶網(wǎng)絡(luò)的系統(tǒng)和方法
- 基于深度學(xué)習(xí)LSTM的空調(diào)故障診斷方法
- 基于注意力機制的時間序列預(yù)測方法、裝置及存儲介質(zhì)
- 一種基于PCA-LSTM網(wǎng)絡(luò)的廢水處理智能監(jiān)控方法
- 一種基于FAF-LSTM深度神經(jīng)網(wǎng)絡(luò)的居民負(fù)荷預(yù)測方法及系統(tǒng)
- 用于預(yù)測血糖水平的循環(huán)神經(jīng)網(wǎng)絡(luò)裝置和系統(tǒng)
- 基于情景LSTM結(jié)構(gòu)網(wǎng)絡(luò)的微博情感分析方法
- 語音信號處理方法、裝置、電子設(shè)備和存儲介質(zhì)
- 基于約束并行LSTM分位數(shù)回歸的電力負(fù)荷概率預(yù)測方法
- 基于深度網(wǎng)絡(luò)AS-LSTM的命名實體識別系統(tǒng)及識別方法
