本发明专利技术实施例提供一种多风场时空风速预测方法、装置及电子设备，方法包括：获取目标区域内多个风场的风速空间矩阵，所述风速空间矩阵包括预设维数的时间维度以及预设维数的空间维度；通过预设的空间特征提取网络，提取所述风速空间矩阵中不同时间维度的风速空间特征，所述风速空间特征包括所述预设维数的时间维度；通过预设的时间依赖捕获网络，捕获预设时间段内各个所述风速空间特征之间的时间依赖关系，得到风速时空特征；通过预设的线性回归网络，对所述风速时空特征进行线性还原与回归，输出得到风速预测结果。通过有针对性、有区别地处理风速时空相关性，能够充分捕获风场风速的时空特征以获取更准确的风速预测结果。速的时空特征以获取更准确的风速预测结果。速的时空特征以获取更准确的风速预测结果。
【技术实现步骤摘要】
一种多风场时空风速预测方法、装置及电子设备
[0001]本专利技术涉及数据处理领域，尤其涉及一种多风场时空风速预测方法、装置及电子设备。
技术介绍
[0002]由于风力发电能带来良好的经济效益和环境效益，近年来，风场的数量和规模大幅增长。对聚集在某一区域内多个风场的风速进行预测，能为系统运营商和管理者提供许多有价值的信息，有助于电网的调度优化及控制管理。目前大多数的研究都集中在单一风场风速的预测问题上。这些预测方法仅仅只考虑风速序列的时间相关性，即某一位置风速与其历史序列之间的相互关系。实际上，风场通常聚集在一些风力资源丰富的区域，不同位置的风场风速时间序列之间存在交互影响。具体来说，在地理和气象因素例如地形、气压和温度等的影响下，一定区域内不同地点的风场的风速具有明显的空间相关性。因此，通过在时间和空间尺度上共同捕捉风速的相关性来研究多个风场的时空风速预测问题具有重要意义。
[0003]某一风场风速的时间相关性可以从该风场的历史风速时间序列中获取，而由于地理因素的影响，风速的空间相关性需要结合周围风场的风速信息进行研究。因此，风速的时间及空间特征需要被有针对性和差异化的方式提取，以实现准确的风速预测。而另一方面，来自多个风场大量的时空数据增加了预测模型的输入变量以及需要被训练的参数数量，从而增加了模型数据处理的复杂度。虽然目前已有与风速预测相关的研究将风速的空间相关性纳入考虑范畴，但大多数时空风速预测模型通常不加区分地输入不同位置风场采集的全部风速信息，不能充分提取隐含在原始风速数据中的空间相关性，使得风速预测结果的准确度不高。
技术实现思路
[0004]本专利技术实施例提供一种多风场时空风速预测方法，能够通过有针对性、有区别地处理风速时空相关性，进而充分捕获风场风速的时空特征以获取更准确的风速预测结果。
[0005]第一方面，本专利技术实施例提供一种多风场时空风速预测方法，用于多风场的时空风速预测，包括：
[0006]获取目标区域内多个风场的风速空间矩阵，所述风速空间矩阵包括预设维数的时间维度以及预设维数的空间维度；
[0007]通过预设的空间特征提取网络，提取所述风速空间矩阵中不同时间维度的风速空间特征，所述风速空间特征包括所述预设维数的时间维度；
[0008]通过预设的时间依赖捕获网络，捕获预设时间段内各个所述风速空间特征之间的时间依赖关系，得到风速时空特征；
[0009]通过预设的线性回归网络，对所述风速时空特征进行线性还原与回归，输出得到风速预测结果。
[0010]可选的，所述空间特征提取网络包括卷积层与线性层，所述通过预设的空间特征提取网络，提取所述风速空间矩阵中不同时间维度的风速空间特征的步骤具体包括：
[0011]通过所述卷积层，提取所述风速空间矩阵中不同时间维度的局部风速空间特征；
[0012]通过所述线性层，将所述局部风速空间特征进行线性展开，并将线性展开后的局部风速空间特征进行非线性变换，得到风速空间特征。
[0013]可选的，所述时间依赖捕获网络包括子胶囊层、动态路由层以及母胶囊层，所述子胶囊层包括与所述预设时间段的数量相同的子胶囊，所述动态路由层包括与所述子胶囊的数量对应的动态路由，所述母胶囊层包括与所述子胶囊的数量对应的母胶囊，其中，每个所述子胶囊通过一条动态路由与一个母胶囊连接。
[0014]可选的，所述通过预设的时间依赖捕获网络，捕获预设时间段内各个所述风速空间特征之间的时间依赖关系，得到风速时空特征的步骤具体包括：
[0015]通过所述子时间胶囊，对所述预设时间段内各个所述风速空间特征进行矢量编码，添加所述风速空间特征之间的时间依赖关系，得到时间特征矢量；
[0016]通过所述时间特征矢量对所述风速时空特征进行预测，得到预测时空特征；
[0017]通过所述动态路由，将所述预测时空特征路由到所述母胶囊中，通过所述母胶囊中所述预测时空特征的聚类情况，确定所述风速时空特征。
[0018]可选的，所述通过所述动态路由，将所述预测时空特征路由到所述母胶囊中的步骤具体包括：
[0019]获取所述动态路由的临时变量；
[0020]根据所述临时变量，计算得到所述动态路由的耦合系数；
[0021]通过所述耦合系数将所述预测时空特征路由到所述母胶囊中。
[0022]可选的，所述方法还包括以下步骤：
[0023]获取风速空间矩阵的训练集；
[0024]通过所述训练集对所述空间特征提取网络以及所述时间依赖捕获网络进行训练。
[0025]可选的，所述通过所述训练集对所述空间特征提取网络以及所述时间依赖捕获网络进行训练的步骤具体包括：
[0026]对所述时间依赖捕获网络进行内部迭代，以更新所述临时变量和耦合系数；
[0027]对所述空间特征提取网络以及所述时间依赖捕获网络进行外部迭代，以更新所述空间特征提取网络以及所述时间依赖捕获网络的参数。
[0028]可选的，所述对所述空间特征提取网络以及所述时间依赖捕获网络进行外部迭代的步骤具体包括：
[0029]通过自适应矩估计优化和试错法的误差反向传播，迭代更新所述空间特征提取网络以及所述时间依赖捕获网络的参数。
[0030]第二方面，本专利技术实施例还提供一种风速预测装置，用于风场的风速预测，所述装置包括：
[0031]第一获取模块，用于获取目标区域内多个风场的风速空间矩阵，所述风速空间矩阵包括预设维数的时间维度以及预设维数的空间维度；
[0032]第一处理模块，用于通过预设的空间特征提取网络，提取所述风速空间矩阵中不同时间维度的风速空间特征，所述风速空间特征包括所述预设维数的时间维度；
[0033]第二处理模块，用于通过预设的时间依赖捕获网络，捕获预设时间段内各个所述风速空间特征之间的时间依赖关系，得到风速时空特征；
[0034]输出模块，用于通过预设的线性回归网络，对所述风速时空特征进行线性还原与回归，输出得到风速预测结果。
[0035]第三方面，本专利技术实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本专利技术实施例提供的多风场时空风速预测方法中的步骤。
[0036]本专利技术实施例中，获取目标区域内多个风场的风速空间矩阵，所述风速空间矩阵包括预设维数的时间维度以及预设维数的空间维度；通过预设的空间特征提取网络，提取所述风速空间矩阵中不同时间维度的风速空间特征，所述风速空间特征包括所述预设维数的时间维度；通过预设的时间依赖捕获网络，捕获预设时间段内各个所述风速空间特征之间的时间依赖关系，得到风速时空特征；通过预设的线性回归网络，对所述风速时空特征进行线性还原与回归，输出得到风速预测结果。通过有针对性、有区别地处理风速时空相关性，能够充分捕获风场风速的时空特征以获取更准确的风速预测结果。
附图说明
[0037]为了更清楚地说明本专利技术实施例或现本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多风场时空风速预测方法，用于多风场的时空风速预测，其特征在于，包括以下步骤：获取目标区域内多个风场的风速空间矩阵，所述风速空间矩阵包括预设维数的时间维度以及预设维数的空间维度；通过预设的空间特征提取网络，提取所述风速空间矩阵中不同时间维度的风速空间特征，所述风速空间特征包括所述预设维数的时间维度；通过预设的时间依赖捕获网络，捕获预设时间段内各个所述风速空间特征之间的时间依赖关系，得到风速时空特征；通过预设的线性回归网络，对所述风速时空特征进行线性还原与回归，输出得到风速预测结果。2.如权利要求1所述的多风场时空风速预测方法，其特征在于，所述空间特征提取网络包括卷积层与线性层，所述通过预设的空间特征提取网络，提取所述风速空间矩阵中不同时间维度的风速空间特征的步骤具体包括：通过所述卷积层，提取所述风速空间矩阵中不同时间维度的局部风速空间特征；通过所述线性层，将所述局部风速空间特征进行线性展开，并将线性展开后的局部风速空间特征进行非线性变换，得到风速空间特征。3.如权利要求1或2所述的多风场时空风速预测方法，其特征在于，所述时间依赖捕获网络包括子胶囊层、动态路由层以及母胶囊层，所述子胶囊层包括与所述预设时间段的数量相同的子胶囊，所述动态路由层包括与所述子胶囊的数量对应的动态路由，所述母胶囊层包括与所述子胶囊的数量对应的母胶囊，其中，每个所述子胶囊通过一条动态路由与一个母胶囊连接。4.如权利要求3所述的多风场时空风速预测方法，其特征在于，所述通过预设的时间依赖捕获网络，捕获预设时间段内各个所述风速空间特征之间的时间依赖关系，得到风速时空特征的步骤具体包括：通过所述子时间胶囊，对所述预设时间段内各个所述风速空间特征进行矢量编码，添加所述风速空间特征之间的时间依赖关系，得到时间特征矢量；通过所述时间特征矢量对所述风速时空特征进行预测，得到预测时空特征；通过所述动态路由，将所述预测时空特征路由到所述母胶囊中，通过所述母胶囊中所述预测时空特征的聚类情况，确定所述风速时空特征。5.如权利要求4所述的多风场时空风速预测方法，其特征在...
【专利技术属性】
技术研发人员：周斌，郑玲，黎灿兵，李雅凯，曹一家，张聪，李佳勇，
申请(专利权)人：湖南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。