本发明涉及新能源技术领域，尤其涉及了一种深度学习的短期功率预测方法，包括EMD分解方法、CEEMD分解方法、BP神经网络、SVM模型和GRU算法，EMD分解方法、CEEMD分解方法、BP神经网络、SVM模型和GRU算法共同组成组合模型，EMD以及CEEMD对原始风电功率进行分解，得到各个不同的分量，将各个分量应用BP神经网络、SVM模型以及GRU模型进行建模，得到短期风电功率预测结果。该深度学习的短期功率预测方法，风电场次日0‑24h日前功率预测准确率应大于等于80％，提升了风电功率的预测精度，不仅有助于电网调峰工作，增强电网的风电接纳能力，改善电力系统运行的安全性与经济性，而且对于保障风电一体化和电力系统的稳定运行起到至关重要的作用。
声明：
“深度学习的短期功率预测方法” 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)
802
编辑：管理员
来源：北方有色网
咨询细节
