本發(fā)明公開了一種基于集成深度學習的非交叉分位數風電功率概率預測方法,該方法首先利用胡貝爾損失函數,建立了基于深度學習的分位數回歸模型;然后提出了一種指數堆棧映射方法,用于規(guī)避深度學習分位數回歸模型的分位數交叉問題;最后構建了一種評估預測分位數總體性能的分位數損失指標,用于深度學習分位數回歸模型的雙階段自適應集成,構建了同質深度學習和異質深度學習的混合集成模型。該方法利用深度學習的非線性映射能力和自適應特征提取能力,采用集成學習提升了預測模型的泛化能力,保證了預測分位數的嚴格單調特性,實現了風電功率的非參數概率預測,有效量化了預測不確定性,為新能源電力系統(tǒng)安全可靠穩(wěn)定運行提供了關鍵信息支撐。
聲明:
“基于集成深度學習的非交叉分位數風電功率概率預測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)