咨询电话:13280638997
传真:0533-3110363
邮箱:kefu@shizifang.com
摘 要:本发明公开了一种基于特征提取和深度学习的风电爬坡事件预测方法,首先,利用改进旋转门(OpSDA)算法对历史风电功率进行爬坡识别得到历史爬坡特征值;然后将历史特征值和历史功率作为预测模型输入,预测功率作为输出,建立CNN‑LSTM风电功率预测模型,通过深度学习挖掘风电爬坡特征与风电功率的耦合关系,其中CNN负责数据特征的二次提取,LSTM负责预测风电功率;最后再进行爬坡识别后得到爬坡事件预测结果。采用深度学习网络有效提取并学习风电中的爬坡特性,能得到更为精确的爬坡预测结果。
著 录 项:
专利/申请号: | CN202011398774.6 | 专利名称: | 基于特征提取和深度学习的风电爬坡事件预测方法 |
申请日: | 2020-12-02 | 申请/专利权人 | 中国矿业大学 |
专利类型: | 发明 | 地址: | 江苏省徐州市大学路1号中国矿业大学科研院 |
专利状态: | 已下证 查询审查信息 | 分类号: | G06Q10/04搜分类 风能 深度学习 特征提取 提取和搜索 |
公开/公告日: | 2023-09-22 | 转让价格: | 面议 |
公开/公告号: | CN112529275B | 交易状态: | 等待洽谈 搜索相似专利 |
交易方 | 企业 | 个人 |
买家 | 营业执照副本复印件(需盖公章) | 身份证复印件(签字) |
专利转让委托书(需盖公章)一式两份 | 专利转让委托书(需签字)一式两份 | |
专利转让协议(需盖公章)一式两份 | 专利转让协议(需签字)一式两份 | |
卖家 | 营业执照副本复印件(需盖公章) | 身份证复印件(需申请人签字) |
解除代理委托书(需盖公章)一式两份(如专利通过代理机构申请) | 解除代理委托书(需签字)一式两份(如专利通过代理机构申请) | |
专利转让协议(需盖公章)一式两份 | 专利转让协议(需签字)一式两份 | |
专利请求书或手续合格通知书、授权通知书复印件 | 专利请求书或手续合格通知书、专利授权通知书复印件 | |
专利证原件(若授权下证) | 专利证原件(若授权下证) |
日期 | 法律信息 | 备注 |
2023/09/22 | 授权 | |
2021/04/06 | 实质审查的生效 | IPC(主分类): G06Q 10/04 专利申请号: 202011398774.6 申请日: 2020.12.02 |
2021/03/19 | 公开 |