一种基于迁移学习深度学习相结合的风电功率预测方法

摘要

本发明公开一种基于迁移学习深度学习相结合的风电功率预测方法，通过SCADA系统及数值天气预报，提取新建风电场及周边风电场的历史样本，使用新建风电场的少量历史样本训练BP‑NN，再对周边风电场的大量历史样本预测，根据预测结果计算周边风电场每个历史样本的相关系数；根据相关系数将周边风电场的大量历史样本为强相关样本、中相关样本及弱相关样本；分别使用顺序迁移、逆序迁移、无序迁移等三种模型迁移方法，构建用于新建风电场的预测模型并分别给出预测结果；最后使用B‑LSTM网络将三个预测结果集成，输出最终预测结果。本发明通过数据挖掘并结合深度学习算法，利用多层级模型迁移获得适用于新建风电场预测模型，提高新建风电场预测精度，具有推广价值。