一种基于STL分解与多层seq2seq模型的波浪能预测方法和装置制造方法及图纸

本公开实施例涉及一种基于STL分解与多层seq2seq模型的波浪能预测方法、装置、设备及介质，其中该方法包括：获取波浪能发电装置的历史功率数据；对历史功率数据进行预处理，获得原始序列；对原始序列进行分解，得到目标趋势序列和目标周期序列；通过已训练的多层seq2seq模型分别对原始序列、目标趋势序列和目标周期序列进行处理，得到预测结果。采用上述技术方案，通过STL对波浪能发电功率序列进行分解，再通过多层seq2seq模型对原始序列、趋势序列和周期序列进行特征提取和预测，解决了现有模态分解方法的分解分量物理含义模糊、多分量对预测结果劣化的问题，能够充分提取原始序列中的周期信息以及时序特征，从而提高模型预测的准确率。

【技术实现步骤摘要】

本公开涉及数据处理，尤其涉及一种基于stl(seasonal and trenddecomposition using loess，时间序列分解)分解与多层seq2seq(sequence tosequence，序列到序列)模型的波浪能预测方法、装置、设备及介质。

技术介绍

1、波浪能发电是一种重要的新能源发电方式，具有清洁性与可持续的优点。随着波浪能发电技术的快速发展，各国的波浪能发电装置都相继投入发电与并网。然而，由于波浪资源的波动性与间歇性的特点使得波浪能发电功率具有高度随机性，对沿海电网与孤岛电网的供电稳定性造成了很大的威胁。因此，准确的波浪能发电功率预测能够优化电网调度计划、降低电网运行成本，并提高电网的运行安全性。同时，准确的功率预测也能够促进波浪能发电的发展速度，从而加快波浪能发电装置的投入使用，加快海洋能的开发利用。

2、常见的波浪能发电功率预测方法可以分为物理方法、统计方法与人工智能方法。物理方法基于线性波浪理论或非线性波浪理论来模拟波浪进而获得发电功率，与实际值偏差较大；基于swan模型等数值模拟方法能够获得较高的预测精度，本文档来自技高网...

【技术保护点】

1.一种基于STL分解与多层seq2seq模型的波浪能预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述对所述原始序列进行分解，得到目标趋势序列和目标周期序列，包括：

3.根据权利要求2所述的方法，其特征在于，通过所述残差序列计算相关性确定所述窗口宽度的公式为：

4.根据权利要求1所述的方法，其特征在于，

5.根据权利要求4所述的方法，其特征在于，所述通过已训练的多层seq2seq模型分别对所述原始序列、所述目标趋势序列和所述目标周期序列进行处理，得到预测结果，包括：

6.一种基于STL分解与多...

【技术特征摘要】

1.一种基于stl分解与多层seq2seq模型的波浪能预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，所述对所述原始序列进行分解，得到目标趋势序列和目标周期序列，包括：

3.根据权利要求2所述的方法，其特征在于，通过所述残差序列计算相关性确定所述窗口宽度的公式为：

4.根据权利要求1所述的方法，其特征在于，

5.根据权利要求4所述的方法，其特征在于，所述通过已训练的多层seq2seq模型分别对所述原始序列、所述目标趋势序列和所述目标周期序列进行处理，得到预...

【专利技术属性】
技术研发人员：王晋，刘永前，韩爽，伊扬，阎洁，李莉，孟航，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：