【技术实现步骤摘要】
基于图注意力机制的风电场发电功率预测方法及装置
[0001]本申请涉及风力发电
,尤其涉及一种基于图注意力机制的风电场发电功率预测方法及装置。
技术介绍
[0002]近年来,风力发电快速发展,随着风能在电网中的渗透率增加,预测大型风电场的预期发电量变得愈发重要。
[0003]相关技术中,大多通过获得风电场中涡轮机功率曲线,表明在不同风速下的预期发电量。然而,随着大型风电场的建设,相互靠近的涡轮机会有相互影响,导致实际生产值偏离功率预测曲线。由于涡轮机下游产生的风速不足和增加的湍流,使得位于下游的涡轮机所产生的功率减少。因此,如何解释这些尾流损失,对风电场下游产生的复杂流动模式进行建模,以准确预测风电场发电量,成为本领域的重点研究方向之一。
技术实现思路
[0004]本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005]为此,本申请第一方面提出了一种基于图注意力机制的风电场发电功率预测方法,其特征在于,包括以下步骤:
[0006]确定当前涡轮机和所述当前涡轮机的上游邻居;其中,所述上游邻居为所述当前涡轮机的上游涡轮机中满足预设条件的涡轮机,所述预设条件为所述上游涡轮机与所述当前涡轮机之间的连线与所述风电场的风向之间的夹角小于预设阈值;
[0007]确定预先构建的风电场网络有向图,根据所述网络有向图和所述上游邻居获取所述当前涡轮机的特征信息;其中,所述当前涡轮机的特征信息包括所述当前涡轮机与所述上游邻居之间的距离特征,以及所述当前涡轮机与所述上游邻居之 ...
【技术保护点】
【技术特征摘要】
1.一种基于图注意力机制的风电场发电功率预测方法,其特征在于,包括以下步骤:确定当前涡轮机和所述当前涡轮机的上游邻居;其中,所述上游邻居为所述当前涡轮机的上游涡轮机中满足预设条件的涡轮机,所述预设条件为所述上游涡轮机与所述当前涡轮机之间的连线与所述风电场的风向之间的夹角小于预设阈值;确定预先构建的风电场网络有向图,根据所述网络有向图和所述上游邻居获取所述当前涡轮机的特征信息;其中,所述当前涡轮机的特征信息包括所述当前涡轮机与所述上游邻居之间的距离特征,以及所述当前涡轮机与所述上游邻居之间的夹角特征;根据所述距离特征和所述夹角特征,获取所述当前涡轮机的第一节点表示和所述上游邻居的第二节点表示;根据所述第一节点表示,所述第二节点表示与预设的图注意力GAT网络模型,获得所述当前涡轮机的第三节点表示;其中,所述GAT网络模型已经学习得到为当前涡轮机与其不同邻居涡轮机分配不同的权重的能力;根据所述第三节点表示与预设的全连接神经网络MLP模型,获得所述当前涡轮机的预测功率;其中,所述MLP模型已经学习得到预测涡轮机功率的能力。2.根据权利要求1所述的方法,其特征在于,所述根据所述第一节点表示,所述第二节点表示与图注意力网络GAT模型,获得所述当前涡轮机的第三节点表示,包括:通过所述图注意力网络GAT模型对所述第一节点表示进行更新,获得所述当前涡轮机的第四节点表示;根据所述第四节点表示与所述第二节点表示,获得所述当前涡轮机与所述上游邻居之间的注意力系数;根据所述当前涡轮机与所述上游邻居之间的注意力系数、所述第四节点表示和所述第二节点表示进行加权求和,获得所述当前涡轮机的第三节点表示。3.根据权利要求2所述的方法,其特征在于,所述GAT图注意力网络模型通过以下公式对所述第一节点表示进行更新,获得所述当前涡轮机的第四节点表示:h
′
(i,j)
=f
edge
(h
i
,h
j
,x
(i,j)
)其中,h
′
(i,j)
表示更新后的所述当前涡轮机i与上游邻居j之间的边在神经网络中的表示,h
i
为所述当前涡轮机i的第一节点表示,h
j
为所述上游邻居j的第二节点表示,h
′
i
为所述当前涡轮机的第四节点表示。4.根据权利要求2所述的方法,其特征在于,所述根据所述第四节点表示与所述第二节点表示,获得所述当前涡轮机与所述当前涡轮机的上游邻居之间的注意力系数,包括:根据所述第四节点表示与所述第二节点表示,获得所述当前涡轮机与所述当前涡轮机的上游邻居之间的相似系数;通过softmax函数对所述当前涡轮机与所述当前涡轮机的上游邻居之间的相似系数进行归...
【专利技术属性】
技术研发人员:郑子辰,任立兵,李小翔,温晗秋子,邸智,钟明,安娜,杨宁,王春森,
申请(专利权)人:中国华能集团清洁能源技术研究院有限公司,
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。