摘要
本发明涉及风电功率预测技术领域。提供一种风电功率预测方法及系统。步骤如下:获取目标风电场的多维度气象时序数据、三维高程数据和机组运行数据;构建时空特征融合网络,提取时序动态特征,加权融合空间关联特征和时序动态特征,得到融合特征向量;建立混合预测模型,并将融合特征向量作为输入,得到风电功率初始预测结果;引入地形修正因子,构建湍流强度补偿函数,对风电功率初始预测结果进行微地形扰动修正;输出最终功率预测曲线及置信区间。解决现有风电功率预测方法中,物理模型对复杂地形微气候建模精度不足、计算复杂度高且难以满足实时性需求,统计学习方法对高维非线性时序特征表达能力有限、在异常工况下预测误差显著增大的问题。
技术关键词
机组运行数据
混合预测模型
风电功率预测方法
滑动时间窗
特征融合网络
时序
气象
湍流
动态权重分配
双向长短期记忆网络
加权算法
多头注意力机制
风电功率预测系统
风电功率预测技术
随机梯度下降
深度神经网络架构
数值天气预报数据
系统为您推荐了相关专利信息
缺陷检测方法
特征提取网络
特征融合网络
注意力
输出特征
能力表征模型
管理方法
动态查询系统
需求预测模型
资源
特征提取网络
特征融合网络
YOLO模型
障碍物识别方法
路径特征
铁路隧道衬砌
智能检测方法
融合特征
动态上下文
特征融合网络