一种基于时序分布适配的风场风速预测方法技术

本发明专利技术公布了一种基于时序分布适配的风场风速预测方法，属于风场风速预测技术领域。本发明专利技术对风场进行归一化与标准化预处理，将数据按照概率参数重采样构造训练样本集与测试样本集，构建网络损失函数，采用蒙特卡洛积分获得损失函数的近似估计，梯度下降方法迭代更新最优参数，对未来风速进行预测。本发明专利技术对分布不同的时序数据进行分析，能够有效的提高多机组风速时序预测的准确率，从而及时对电力调度做出规划，提高风电场与电力系统协调运行的稳定性。稳定性。稳定性。

【技术实现步骤摘要】
一种基于时序分布适配的风场风速预测方法


[0001]本专利技术涉及风场风速预测
，具体涉及一种基于分布漂移适配和SCINet的风场时序风速数据预测方法。

技术介绍

[0002]近年来，为遏制生态环境的加剧恶化，可再生新能源尤其以风能为首，正逐步成为发电行业的新支柱，为了推进低碳经济，必须加强陆上风电组装机厂址的扩展。然而，在气象变化频繁的地区安装风力发电机组会遭受疯狂突变的影响，机组载荷过大甚至倒机的风险增加，造成重大的经济损失。此外，风能的间歇性和波动性和间隙性也使得风能发电存在不确定性，这对电网系统带来了显著的影响。为确保电力系统稳定与安全运行，急需解决准确预测风场风速时序问题。
[0003]目前，针对风场的短期风速预测准确性较差，由于常见激光雷达等风速测量产品单价高昂，受天气影响较大，且在大时间空间尺度下仍难以具有可靠的前瞻性。因此，可靠的短期风况预测迫在眉睫，是一个世界性难题，待通过大数据，时序预测智能技术预测出每台机组在未来短时间内的风速和风向数据，可以提升风电机组的控制前瞻性、提高风电机组的载荷安全性；同时，提升现有短本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时序分布适配的风场风速预测方法，其特征在于，包括如下步骤：1）获取多个风场与环境数据，包括记录风场风象数据 和一维时序风速、风向、外界温度、变频器电网侧有功功率；2）将步骤1）中的风象数据W，机舱风速，风向，外界温度，变频器电网侧有功功率这五维的多源时序风场数据经过0
‑
1归一化之后作为历史时序数据集，， 其中下角标表示时刻点，第i时刻点多源时序风场风象数据为；3）从步骤2）中的历史时序数据集构造风速预测训练样本集与测试样本集，即得到训练样本集，包含个样本；测试样本集为一维时序风速数据，表示为，包含个样本；4）将步骤3）中构造的风速预测训练样本集和测试样本集输入堆叠SCINet网络；构建步骤4）中风速预测的堆叠SCINet网络中风场风速的测试样本集上的有监督损失，表示为公式（1），计算风速测试样本集上网络的预测值与标签的偏差；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）5）构造步骤4）风速预测的堆叠SCINet网络中风场风速的测试集样本上的对齐损失，用Wasserstein距离来度量训练集与测试集分布间差异，表示为公式（2），其中代表概率分布，代表2范数下的Wasserstein距离，为网络参数，计算风场多维训练样本集与测样本集之间的分布差异；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（2）6）步骤4）与步骤5）中的损失相加为总损失，更新任务时刻t时各个堆叠SCINet后的总风速预测网络损失，采用蒙特卡洛积分总风速预测网络损失，得到最优参数，表示为公式（3），其中表示任务t时刻的任务，任务总数为T；
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）；7）按照该参数确定最终网络， 从风场风象的历史数据采样，预测未来短期个时刻风速的预测，即t+1到时刻风速的数值。2.如权利要求1所述的基于时序分布适配的风场风速预测方法，其特征在于，步骤4）具
体包括：4
‑
1）多源时序风场数据下采样为两个F子序列，构成一个SCI
‑
Block，分为和，然后处理每一组序列用不同的卷积滤波器，从每个子序列中分别提取出代表风速特征的同质信息和异质信息；4
‑
2）SCI
‑
Net将多个步骤4
‑
1）中的SCI
‑
Block构成L级二叉树结构，在所有的下采样
‑
卷积
‑
交互实现之后，将所有低分辨率的分量重新排列并连接到一个新的序列表示中，并...

【专利技术属性】
技术研发人员：于歌，张玺，
申请(专利权)人：北京大学，
类型：发明
国别省市：