基于特征提取和深度学习的风电爬坡事件预测方法

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。