反馈修正的高分辨率风能资源开发量与分布确定方法技术

本申请涉及一种反馈修正的高分辨率风能资源开发量与分布确定方法。所述方法包括：从目标地点的历史数据中，确定出训练样本和测试样本；将训练样本输入至待训练的风速预测模型，得到第一预测风速，根据第一预测风速与第一实际风速之间的差异，对待训练的风速预测模型进行训练，得到预先训练的风速预测模型；将测试样本输入至预先训练的风速预测模型，得到第二预测风速，根据第二预测风速与第二实际风速之间的差异，对预先训练的风速预测模型进行修正，得到修正后的风速预测模型；根据修正后的风速预测模型，对目标地点进行风速预测，得到目标地点的风速预测结果。采用本方法能够准确确定风能资源的开发量与分布。确确定风能资源的开发量与分布。确确定风能资源的开发量与分布。

【技术实现步骤摘要】
反馈修正的高分辨率风能资源开发量与分布确定方法


[0001]本申请涉及新能源
，特别是涉及一种反馈修正的高分辨率风能资源开发量与分布确定方法。

技术介绍

[0002]风速是研究风能资源最具代表性的一个重要特征，高效准确的风速预测对风能资源开发量和分布的确定至关重要，其中，开发量指的是选址点的年风速，分布指的是选址点的地理位置。
[0003]现有的风能资源开发量和分布确定方法大多是利用气象站公布的风速数据，或者根据测风塔对选址点风速的长期监测，得到选址点的风速数据，结合其他参数绘制专业的风功率密度图来评估风能资源的开发量与分布。然而，风能受温度、气压、湿度、PM2.5、地形、纬度等诸多复杂因素影响，具有随机性、间歇性、波动性等特点，导致上述方法中风速数据预测不准确，进而影响风能资源开发量与分布确定的准确性。
[0004]因此，目前的风能资源开发量与分布确定技术中存在准确性不高的问题。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种准确性较高的反馈修正的高分辨率风能资源开发量与分布确定方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面，本申请提供了一种反馈修正的高分辨率风能资源开发量与分布确定方法。所述方法包括：
[0007]从目标地点的历史数据中，确定出训练样本和测试样本；所述历史数据包括所述目标地点的历史风速、历史风向、历史气候和历史环境；
[0008]将所述训练样本输入至待训练的风速预测模型，得到第一预测风速，根据所述第一预测风速与第一实际风速之间的差异，对所述待训练的风速预测模型进行训练，得到预先训练的风速预测模型；
[0009]将所述测试样本输入至所述预先训练的风速预测模型，得到第二预测风速，根据所述第二预测风速与第二实际风速之间的差异，对所述预先训练的风速预测模型进行修正，得到修正后的风速预测模型；
[0010]根据所述修正后的风速预测模型，对所述目标地点进行风速预测，得到所述目标地点的风速预测结果，以根据所述风速预测结果确定风能资源的开发量和分布。
[0011]第二方面，本申请还提供了一种反馈修正的高分辨率风能资源开发量与分布评估装置。
[0012]所述装置包括：
[0013]获取模块，用于从目标地点的历史数据中，确定出训练样本和测试样本；所述历史数据包括所述目标地点的历史风速、历史风向、历史气候和历史环境；
[0014]训练模块，用于将所述训练样本输入至待训练的风速预测模型，得到第一预测风速，根据所述第一预测风速与第一实际风速之间的差异，对所述待训练的风速预测模型进行训练，得到预先训练的风速预测模型；
[0015]修正模块，用于将所述测试样本输入至所述预先训练的风速预测模型，得到第二预测风速，根据所述第二预测风速与第二实际风速之间的差异，对所述预先训练的风速预测模型进行修正，得到修正后的风速预测模型；
[0016]预测模块，用于根据所述修正后的风速预测模型，对所述目标地点进行风速预测，得到所述目标地点的风速预测结果，以根据所述风速预测结果确定风能资源的开发量和分布。
[0017]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0018]从目标地点的历史数据中，确定出训练样本和测试样本；所述历史数据包括所述目标地点的历史风速、历史风向、历史气候和历史环境；
[0019]将所述训练样本输入至待训练的风速预测模型，得到第一预测风速，根据所述第一预测风速与第一实际风速之间的差异，对所述待训练的风速预测模型进行训练，得到预先训练的风速预测模型；
[0020]将所述测试样本输入至所述预先训练的风速预测模型，得到第二预测风速，根据所述第二预测风速与第二实际风速之间的差异，对所述预先训练的风速预测模型进行修正，得到修正后的风速预测模型；
[0021]根据所述修正后的风速预测模型，对所述目标地点进行风速预测，得到所述目标地点的风速预测结果，以根据所述风速预测结果确定风能资源的开发量和分布。
[0022]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0023]从目标地点的历史数据中，确定出训练样本和测试样本；所述历史数据包括所述目标地点的历史风速、历史风向、历史气候和历史环境；
[0024]将所述训练样本输入至待训练的风速预测模型，得到第一预测风速，根据所述第一预测风速与第一实际风速之间的差异，对所述待训练的风速预测模型进行训练，得到预先训练的风速预测模型；
[0025]将所述测试样本输入至所述预先训练的风速预测模型，得到第二预测风速，根据所述第二预测风速与第二实际风速之间的差异，对所述预先训练的风速预测模型进行修正，得到修正后的风速预测模型；
[0026]根据所述修正后的风速预测模型，对所述目标地点进行风速预测，得到所述目标地点的风速预测结果，以根据所述风速预测结果确定风能资源的开发量和分布。
[0027]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0028]从目标地点的历史数据中，确定出训练样本和测试样本；所述历史数据包括所述目标地点的历史风速、历史风向、历史气候和历史环境；
[0029]将所述训练样本输入至待训练的风速预测模型，得到第一预测风速，根据所述第一预测风速与第一实际风速之间的差异，对所述待训练的风速预测模型进行训练，得到预
先训练的风速预测模型；
[0030]将所述测试样本输入至所述预先训练的风速预测模型，得到第二预测风速，根据所述第二预测风速与第二实际风速之间的差异，对所述预先训练的风速预测模型进行修正，得到修正后的风速预测模型；
[0031]根据所述修正后的风速预测模型，对所述目标地点进行风速预测，得到所述目标地点的风速预测结果，以根据所述风速预测结果确定风能资源的开发量和分布。
[0032]上述反馈修正的高分辨率风能资源开发量与分布确定方法、装置、计算机设备、存储介质和计算机程序产品，通过从目标地点的历史数据中，确定出训练样本和测试样本，将训练样本输入至待训练的风速预测模型，得到第一预测风速，根据第一预测风速与第一实际风速之间的差异，对待训练的风速预测模型进行训练，得到预先训练的风速预测模型，将测试样本输入至预先训练的风速预测模型，得到第二预测风速，根据第二预测风速与第二实际风速之间的差异，对预先训练的风速预测模型进行修正，得到修正后的风速预测模型，根据修正后的风速预测模型，对目标地点进行风速预测，得到目标地点的风速预测结果，以根据风速预测结果确定风能资源的开发量和分布；可以综合考虑历史的风向、风速、气候和环境等因素影响，对将来的风速进行预测，增加风速预测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种反馈修正的高分辨率风能资源开发量与分布确定方法，其特征在于，所述方法包括：从目标地点的历史数据中，确定出训练样本和测试样本；所述历史数据包括所述目标地点的历史风速、历史风向、历史气候和历史环境；将所述训练样本输入至待训练的风速预测模型，得到第一预测风速，根据所述第一预测风速与第一实际风速之间的差异，对所述待训练的风速预测模型进行训练，得到预先训练的风速预测模型；将所述测试样本输入至所述预先训练的风速预测模型，得到第二预测风速，根据所述第二预测风速与第二实际风速之间的差异，对所述预先训练的风速预测模型进行修正，得到修正后的风速预测模型；根据所述修正后的风速预测模型，对所述目标地点进行风速预测，得到所述目标地点的风速预测结果，以根据所述风速预测结果确定风能资源的开发量和分布。2.根据权利要求1所述的方法，其特征在于，所述训练样本包括风速样本、风向样本、气候样本和环境样本；所述风速预测模型由第一类残差卷积网络、第二类残差卷积网络、源残差网络和移动网络并联组成；所述将所述训练样本输入至待训练的风速预测模型，得到第一预测风速，包括：将所述风速样本输入至所述第一类残差卷积网络，得到所述训练样本的风速特征；将所述风向样本输入至所述第二类残差卷积网络，得到所述训练样本的风向特征；将所述气候样本输入至所述源残差网络，得到所述训练样本的气候特征；将所述环境样本输入至所述移动网络，得到所述训练样本的环境特征；对所述风速特征、所述风向特征、所述气候特征和所述环境特征进行全连接处理，得到所述第一预测风速。3.根据权利要求2所述的方法，其特征在于，所述将所述风速样本输入至所述第一类残差卷积网络，得到所述训练样本的风速特征，包括：将所述风速样本输入至类残差卷积模块，得到类残差卷积结果；对所述类残差卷积结果进行全局平均池化处理，得到第一全局平均池化结果；对所述第一全局平均池化结果进行全连接处理，得到所述风速特征。4.根据权利要求2所述的方法，其特征在于，所述将所述气候样本输入至所述源残差网络，得到所述训练样本的气候特征，包括：对所述气候样本进行最大池化处理，得到最大池化结果；将所述最大池化结果输入至源残差模块，得到源残差结果；对所述源残差结果进行全局平均池化处理，得到第二全局平均池化结果；对所述第二全局平均池化结果进行全连接处理，得到所述...

【专利技术属性】
技术研发人员：黎嘉明，黎立丰，饶志，蒙文川，孙思扬，席云华，李爽，杨雄平，杨再敏，
申请(专利权)人：南方电网能源发展研究院有限责任公司，
类型：发明
国别省市：