基于图注意力机制的风电场发电功率预测方法及装置制造方法及图纸

本申请提出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，涉及风力发电技术领域，其中，方法包括：确定当前涡轮机和当前涡轮机的上游邻居；确定预先构建的风电场网络有向图，根据网络有向图和上游邻居获取当前涡轮机的特征信息；根据距离特征和夹角特征，获取当前涡轮机的第一节点表示和上游邻居的第二节点表示；根据第一节点表示，第二节点表示与预设的图注意力GAT网络模型，获得当前涡轮机的第三节点表示；根据第三节点表示与预设的全连接神经网络MLP模型，获得当前涡轮机的预测功率。本申请利用图注意力机制，为对当前涡轮机有影响的上游邻居分配不同权重，预测当前涡轮机的功率，在一定程度上解决尾流效应带来的功率预测不准确的问题。功率预测不准确的问题。功率预测不准确的问题。

【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间的夹角特征；
[0008]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；
[0009]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；
[0010]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。
[0011]在本申请一些实施例中，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。
[0012]在本申请一些实施例中，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：
[0013]h
′
(i,j)
＝f
edge
(h
i
,h
j
,x
(i,j)
)
[0014][0015]其中，h
′
(i,j)
表示更新后的所述当前涡轮机i与所述上游邻居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。
[0016]在本申请一些实施例中，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一化处理，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。
[0017]在本申请一些实施例中，所述风电场网络有向图通过以下方式预先构建：根据风场条件和风电场布局，构建风电场的网络有向图；其中，所述网络有向图中的节点代表所述风电场中的涡轮机，各个所述涡轮机对应的节点与各个所述涡轮机的上游邻居对应的节点之间存在一条边，所述边的方向为由各个所述涡轮机的上游邻居指向对应的涡轮机。
[0018]在本申请一些实施例中，所述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，包括：确定所述风电场的气流风速；根据所述第三节点表示、所述风电场的气流风速与所述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。
[0019]本申请第二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装置，其特征在于，包括：
[0020]确定模块，用于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；
[0021]第一获取模块，用于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；
[0022]第二获取模块，用于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；
[0023]第三获取模块，用于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；
[0024]第四获取模块，用于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。
[0025]在本申请一些实施例中，所述第三获取模块具体用于：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。
[0026]本申请第三方面提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如前述第一方面所述的方法。
[0027]本申请第四方面提出了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如前述第一方面所述的方法。
[0028]根据本申请实施例的基于图注意力机制的风电场发电功率预测方法，利用图注意力机本文档来自技高网...

【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：