基于机器学习算法的风力发电场发电量预测方法技术

本发明专利技术公开了一种基于机器学习算法的风力发电场发电量预测方法，包括如下步骤：获取并输入气象历史数据，得到能表征气象数据特征的向量，用循环高速网络训练和学习气象数据特征序列中变量之间与时间序列相关的特征，经过循环高速通路网络编码器的编码操作以及通过多层时空注意力机制在不同维度对特征向量进行重新筛选，分别得到时间维注意力向量和网络层次维注意力向量，获取并输入风力发电量历史数据，通过循环高速通路网络解码器的解码操作，经全链接层维度匹配，得到风力发电量的预测结果，计算风力发电量预测结果的置信区间。本发明专利技术不仅有效地提高风力发电量预测精度，还能给出预测风力发电量的置信区间信息，丰富了电网管理者的决策空间。电网管理者的决策空间。电网管理者的决策空间。

【技术实现步骤摘要】
基于机器学习算法的风力发电场发电量预测方法


[0001]本专利技术属于风力发电量预测
，具体涉及基于机器学习算法的风力发电场发电量预测方法。

技术介绍

[0002]受到风速、气压等气象条件的影响，风电场的发电量具有较强的不稳定性。对风力发电量进行以小时或天为单位的预测对于电网的综合调度、风电机组的操作或运维而言意义重大，但也存在极高难度。机器学习算法因为可以有效地表征输入数据深层的特征，被广泛应用于风力发电量的预测上。然而，由于机器学习特别是深度学习算法应用中存在由于输入序列信息丢失、网络层叠加导致梯度消失等现象而导致性能退化，进而影响力训练效率和预测精度。同时，现有预测方法没有在更精确预测风力发电量的基础上给出预测结果的置信区间分布信息，而这对于更加高效的电网决策来说显得更为重要。

技术实现思路

[0003]针对现有技术存在的问题，本专利技术的目的在于提供一种基于机器学习算法的风力发电场发电量预测方法。
[0004]为实现上述目的，本专利技术基于循环高速通路网络并结合多层时空注意力机制对风力发电量进行预测并进一步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器学习算法的风力发电场发电量预测方法，其特征在于包括以下步骤：步骤1：获取并输入气象历史数据，得到能够表征气象数据特征的向量；步骤2：用循环高速网络训练和学习气象数据特征序列中变量之间与时间序列相关的特征；步骤3：经过循环高速通路网络编码器的编码操作以及通过多层时空注意力机制在不同维度对特征向量进行重新筛选，分别得到时间维注意力向量和网络层次维注意力向量；步骤4：获取并输入风力发电量历史数据，通过循环高速通路网络解码器的解码操作，经全链接层维度匹配，得到风力发电量的预测结果；步骤5：计算风力发电量预测结果的置信区间。2.如权利要求1所述的基于机器学习算法的风力发电场发电量预测方法，其特征在于步骤1的具体操作过程包括如下步骤：步骤1.1获取气象历史数据，得到能输入卷积神经网络进行特征提取的气象历史数据序列：(x1,x1,
…
,x
t
,
…
,x
T
‑1)，其中，t∈{1,2,...,T
‑
1}，x
t
∈R
n
，为t时刻n维气象实向量数据，T为待预测目标所在时间序列；步骤1.2将以上序列输入卷积神经网络经卷积运算处理后得到可以表征气象数据特征的序列(w1,w2,
…
,w
t
,
…
,w
T
‑1)，其中，w
t
∈R
m
，为处理后t时刻m维表征气象特征实向量数据。3.如权利要求2所述的基于机器学习算法的风力发电场发电量预测方法，其特征在于步骤2的具体操作过程包括如下步骤：用s'＝S'(w,W
S'
)、t'＝T'(w,W
T'
)和c'＝C'(w,W
C'
)分别表示经非线性转换tanh函数S
’
、sigmoid函数T
’
和sigmoid函数C
’
作用转换后的输出，w
[t]
为t时刻输入的气象特征向量，则循环高速通路网络内部隐藏的状态更新为其中，表示第k层t时刻循环高速通路网络单元输出的l维隐藏状态向量，k∈{1,2,...K}，K为网络层数，并规定在k＝0时2,...K}，K为网络层数，并规定在k＝0时2,...K}，K为网络层数，并规定在k＝0时2,...K}，K为网络层数，并规定在k＝0时其中，W
S'
,W
T'
,W
C'
∈R
l
×
m
、R
S'k
,R
C'k
,R
T'k
∈R
l
×
l
和b
Hk
,b
C'k
,b
T'k
∈R
l
分别表示第k层S
’
、T
’
和C
’
转换的权重矩阵以及偏置单元，用指示函数I{
·
}表示特征向量w
[t]
仅在循环高速通路网络的第1层(k＝1)参与运算，表示保留所有原始输入信息，表示转换所有输入信息。4.如权利要求3所述的基于机器学习算法的风力发电场发电量预测方法，其特征在于步骤3的具体操作过程包括如下步骤：步骤3.1采用时空注意力机制对不同的编码特征进行筛选，得到时间维注意力向量：令解码器在第T
‑
1时刻...

【专利技术属性】
技术研发人员：綦方中，卓可翔，曹聪，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：