买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：深圳职业技术大学

摘要：本发明公开了一种基于MODWT‑Informer网络的风电功率区间预测方法，属于风力发电输出功率预测领域，包括以下步骤：步骤一、利用MODWT对原始风电功率数据分解成不同子序列，将原始风电功率数据的长期趋势与周期性分离；步骤二、为分解出的全部等长子序列添加对应的原始的时间标签，将不同的子序列输入独立的Informer网络进行训练和预测；步骤三、将所有的Informer网络预测出的子序列的值进行小波重构，合成原始风电功率数据，完成风电功率确定性预测；步骤四、使用EnbPI方法将重构后的风电功率数据拓展成预测区间，完成风电功率概率性预测。本发明提供了一种基于MODWT‑Informer网络的风电功率区间预测方法，提高了预测的准确性和可靠性。

主权项：1.一种基于MODWT-Informer网络的风电功率区间预测方法，其特征在于，包括以下步骤：步骤一、利用MODWT对原始风电功率数据分解成不同子序列，将原始风电功率数据的长期趋势与周期性分离；步骤二、为分解出的全部等长子序列添加对应的原始的时间标签，将不同的子序列输入独立的Informer网络进行训练和预测；步骤三、将所有的Informer网络预测出的子序列的值进行小波重构，合成原始风电功率数据，完成风电功率确定性预测；步骤四、使用EnbPI方法将重构后的风电功率数据拓展成预测区间，完成风电功率概率性预测；步骤一中利用MODWT对原始风电功率数据分解成不同子序列，子序列包括近似分量和细节分量，第j层的近似分量和细节分量的表达式如下： ；其中，为原始信号，和分别为低通滤波器和高通滤波器的系数，为分解层数；步骤二中使用独立的Informer网络对不同的子序列进行训练和预测的具体过程如下：S201、为子序列添加对应的时间标签，将全部数据通过滑动窗口的方式转化成数据集合，用前几个时间步的值作为输入，后一个时间步的值作为输出的方式，滑动的将单输入的数据拓展成与时间步对应的多维输入数据，然后设定测试集的比例，将整体数据结构划分为训练集和测试集；S202、选择模型参数，模型参数包括输入、标签、预测序列的长度、隐藏层的维度、注意力头数、采样因子，具体参数设定根据数据特点进行调节；S203、对输入数据进行位置嵌入，包括局部时间戳、全局时间戳和事件时间戳；S204、将输入数据送入编码器，使用稀疏概率自注意力机制和自注意力蒸馏机制降低计算复杂度和内存消耗，并提取特征表示；S205、将编码器的输出和输入数据送入解码器，使用多头注意力机制和生成式解码器机制输出预测结果；步骤三中将所有的Informer网络预测出的子序列的值进行小波重构成原始风电功率数据的表达式如下： ；通过和将各层的近似分量和细节分量重构为原始信号，其中，表示重构低通滤波器系数，表示近似分量，表示重构低通滤波器系数，表示细节分量，表示最大分解层数，=1,2,3...J，表示信号的第n个采样点。

全文数据：

权利要求：

百度查询： 深圳职业技术大学 一种基于MODWT-Informer网络的风电功率区间预测方法