复杂地形地貌风能资源预测方法、装置、计算机设备制造方法及图纸

本申请涉及一种复杂地形地貌风能资源预测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取目标风电场的待预测地形地貌数据；将待预测地形地貌数据输入至预训练的风能资源预测模型，得到风能资源预测模型输出的预测数据；预训练的风能资源预测模型为基于样本复杂地形地貌数据进行模型训练得到，样本复杂地形地貌数据为根据不同地形地貌类型各自对应的第一关键数据异构得到，第一关键数据为通过相应的地形地貌类型的关键数据提取网络得到的；对预测数据进行反归一化处理，得到处理后预测数据，作为目标风电场的风能资源预测结果。采用本方法能够提升在复杂地形地貌下的适用能力，提高了风能资源预测的准确性和精度。确性和精度。确性和精度。

【技术实现步骤摘要】
复杂地形地貌风能资源预测方法、装置、计算机设备


[0001]本申请涉及电力
，特别是涉及一种复杂地形地貌风能资源预测方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]随着以风电为代表的新能源发电的快速建设发展，各地建立了不少风电场。由于风电场建设地区的地形地貌较为复杂，相关技术中针对复杂地形地貌的风能资源规律缺乏认知，导致在诸多风电场建成投产后，出现了其年平均实际发电量与预期的发电量相比存在较大差距的情况，对风电场中风能资源预测的准确度低、精度差。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种能够提升风能资源预测准确度的复杂地形地貌风能资源预测方法、装置、计算机设备、存储介质和计算机程序产品。
[0004]第一方面，本申请提供了一种复杂地形地貌风能资源预测方法，所述方法包括：
[0005]获取目标风电场的待预测地形地貌数据；所述待预测地形地貌数据为对所述目标风电场的实时复杂地形地貌数据进行归一化处理后得到的；
[0006]将所述待预测地形地貌数据输入至预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复杂地形地貌风能资源预测方法，其特征在于，所述方法包括：获取目标风电场的待预测地形地貌数据；所述待预测地形地貌数据为对所述目标风电场的实时复杂地形地貌数据进行归一化处理后得到的；将所述待预测地形地貌数据输入至预训练的风能资源预测模型，得到所述风能资源预测模型输出的预测数据；所述预训练的风能资源预测模型为基于样本复杂地形地貌数据进行模型训练得到，所述样本复杂地形地貌数据为根据不同地形地貌类型各自对应的第一关键数据异构得到，所述第一关键数据为通过相应的地形地貌类型的关键数据提取网络得到的；对所述预测数据进行反归一化处理，得到处理后预测数据，作为所述目标风电场的风能资源预测结果。2.根据权利要求1所述的方法，其特征在于，在所述将所述待预测地形地貌数据输入至预训练的风能资源预测模型，得到所述风能资源预测模型输出的预测数据的步骤之前，所述方法还包括：获取训练数据；所述训练数据包括样本风电场的样本风能资源数据，以及所述样本复杂地形地貌数据；将所述样本复杂地形地貌数据输入至待训练的风能资源预测模型，根据所述待训练的风能资源预测模型输出的样本预测数据，以及所述样本风能资源数据，调整所述待训练的风能资源预测模型的网络结构和模型参数，直到满足训练结束条件，得到所述预训练的风能资源预测模型。3.根据权利要求2所述的方法，其特征在于，所述获取训练数据，包括：确定多个所述样本风电场；不同的所述样本风电场对应有不同的地形地貌类型；获取各所述样本风电场对应的历史气象数据和基础地形地貌数据，作为待处理数据，并对所述待处理数据进行归一化处理；根据归一化后的待处理数据，确定多个所述地形地貌类型各自对应的第一关键数据；采用多个所述地形地貌类型各自对应的第一关键数据，得到所述样本复杂地形地貌数据。4.根据权利要求3所述的方法，其特征在于，所述根据归一化后的待处理数据，确定多个所述地形地貌类型各自对应的第一关键数据，包括：获取针对每个所述地形地貌类型分别构建的关键数据提取网络；所述关键数据提取网络为结合卷积神经网络和循环神经网络构建得到；将所述归一化后的待处理数据，按照不同的地形地貌类型输入至相应的所述关键数据提取网络，得到各所述地形地貌类型对应的第一...

【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：