一种基于特征选择与多层级深度迁移学习的风电场短期功率预测...
授权
摘要
本发明公开一种基于特征选择与多层级深度迁移学习的风电场短期功率预测方法，将采集到的的数据划分为两个数据集，分别作为迁移学习的目标风电场和源风电场，首先根据与目标风电场的相关程度对源风电场的数据样本进行了多层级划分，然后基于多层级的源风电场数据样本构建目标风电场的多层级深度迁移学习模型，最后采用特征选择的方法对多层级深度迁移学习模型进行优化，通过该方法预测可以减少数据训练规模，避免数据过度拟合，具有推广价值。
基本信息
专利标题 ：
一种基于特征选择与多层级深度迁移学习的风电场短期功率预测方法
专利标题（英）：
暂无
公开（公告）号 ：
CN112949904A
申请号 ：
CN202110118904.4
公开（公告）日 ：
2021-06-11
申请日 ：
2021-01-28
授权号 ：
CN112949904B
授权日 ：
2022-06-07
发明人 ：
彭小圣王洪雨贾诗媛
申请人 ：
华中科技大学
申请人地址 ：
湖北省武汉市洪山区珞瑜路1037号
代理机构 ：
武汉开元知识产权代理有限公司
代理人 ：
唐正玉
优先权 ：
CN202110118904.4
主分类号 ：
G06Q10/04
IPC分类号 ：
G06Q10/04 G06F30/27 G06N3/04 G06N3/08 G06K9/62 G06Q50/06
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06Q
专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法；其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10/00
行政；管理
G06Q10/04
预测或优化，例如线性规划、“旅行商问题”或“下料问题”
法律状态
2022-06-07 ：
授权
2021-07-02 ：
实质审查的生效
IPC(主分类) : G06Q 10/04
申请日 : 20210128
申请日 : 20210128
2021-06-11 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
