摘要
本发明提出一种具有多层次时空感知的海上风电功率预测方法及系统,涉及海上风电功率预测的技术领域,首先,确定风机的空间关系,构建二维静态平面特征,获取多层次海拔高度下的多维时序风电气象特征,对每个层次海拔高度下的多维时序风电气象特征进行降维,为降维后的多维时序风电气象特征分配权重,获得每个层次海拔高度下降维后的特征矩阵,基于特征矩阵构建局部图特征,将局部图特征和二维静态平面特征合并为全局空间图特征,最后,利用线性回归预测模型进行风电功率预测。本发明对风电场风机地理位置信息、气象信息充分利用,同时考虑不同海拔高度上多种气象因素有效减少因风力发电不确定性带来的预测误差,提升海上风电功率预测的准确性。
技术关键词
海上风电功率预测
回归预测模型
卷积神经网络模型
多层次
气象
多层感知机
矩阵
地理位置信息
权重分配策略
时序
海上风电场风机
表达式
线性
动态特征选择
特征值
信息熵
节点特征
系统为您推荐了相关专利信息
瑕疵检测方法
残差注意力机制
在线增量学习
面料
卷积神经网络卷积运算
负荷预测方法
负荷预测系统
模型预测值
编码器训练
学生
遥感图像语义分割
卷积神经网络方法
图像生成模型
语义特征
高分辨率遥感图像
小麦产量预测方法
叶面积指数
数据
深度学习模型
因子