【技术实现步骤摘要】
本专利技术涉及人工智能，特别涉及一种风电功率预测模型的训练方法和风电功率预测方法。
技术介绍
1、深度学习模型广泛运用于预测领域，相关技术中，往往采用卷积神经网络模型、循环神经网络模型或长短期记忆网络模型进行风电功率预测，然而，基于上述模型，并未结合风电场数据的深层时空特征，导致风电功率预测结果的准确性较低，因此，如何提高风电功率预测结果的准确性和高效性，已成为了亟待解决的问题。
技术实现思路
1、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。
2、根据本申请的第一方面，提供了一种风电功率预测模型的训练方法，包括：获取样本数据，其中，所述样本数据包括风电场的样本气象数据和样本运行数据；将所述样本数据输入至待训练的用于进行风电功率预测的多元图神经网络模型中，以得到所述样本数据对应的风电功率预测结果预测值；获取所述样本数据对应的风电功率预测结果真实值；根据所述风电功率结果预测值和所述风电功率预测结果真实值，对所述多元图神经网络模型进行迭代训练，直至得到收敛的目标多元图神经网络模型。
3、根据本申请的第二方面，提供了一种风电功率预测方法，包括：获取待检测风电场的实时气象数据和实时运行数据；将所述实时气象数据和实时运行数据输入至目标多元图神经网络模型中，以获取所述待检测风电场的风电功率预测结果，其中，所述目标多元图神经网络模型为第一方面所述的模型训练方法训练出的模型。
4、根据本申请的第三方面，提供了一种风电功率预测模型的训练装置，包括：第一获
5、根据本申请的第四方面，提供了一种风电功率预测装置，包括：获取模块，用于获取待检测风电场的实时气象数据和实时运行数据；确定模块，用于将所述实时气象数据和实时运行数据输入至目标多元图神经网络模型中，以确定所述待检测风电场的风电功率预测结果，其中，所述目标多元图神经网络模型为采用第一方面所述的模型训练方法训练出的模型。
6、为了实现上述目的，本申请第五方面提出了一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时，实现如第一方面所述风电功率预测模型的训练方法或者第二方面所述的风电功率预测方法。
7、为了实现上述目的，本申请第六方面提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的风电功率预测模型的训练方法或者第二方面所述的风电功率预测方法。
8、为了实现上述目的，本申请第七方面提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据第一方面所述的风电功率预测模型的训练方法或者第二方面所述的风电功率预测方法。
9、本申请实施例提供的技术方案至少包括如下有益效果：
10、本申请提供了一种风电功率预测模型的训练方法，通过将数据的时间特征和空间特征结合，构建全新的多元图神经网络模型结构进行模型训练，可以获取风电功率预测的特征之间的时空关联，提高了风电功率预测结果的准确性和可靠性。
11、应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种风电功率预测模型的训练方法，其特征在于，所述方法，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取样本数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述特征数据输入至待训练的用于进行风电功率预测的多元图神经网络模型中，以得到所述样本数据对应的风电功率预测结果预测值，包括：
4.根据权利要求1所述的方法，其特征在于，所述通过卷积神经网络和门控循环单元，获取所述样本数据的空间图数据和时间图数据，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述风电功率结果预测值和所述风电功率预测结果真实值，对所述多元图神经网络模型进行迭代训练，直至得到收敛的目标多元图神经网络模型，包括：
6.一种风电功率预测方法，包括：
7.一种风电功率预测模型的训练装置，其特征在于，所述装置，包括：
8.一种风电功率预测装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括处理器和存储器；
10.一种计算机可读存储介质，其上存储有计算机程序，其特征
...【技术特征摘要】
1.一种风电功率预测模型的训练方法，其特征在于，所述方法，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取样本数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述将所述特征数据输入至待训练的用于进行风电功率预测的多元图神经网络模型中，以得到所述样本数据对应的风电功率预测结果预测值，包括：
4.根据权利要求1所述的方法，其特征在于，所述通过卷积神经网络和门控循环单元，获取所述样本数据的空间图数据和时间图数据，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所...
【专利技术属性】
技术研发人员：王先阳，吴海峰，袁宗涛，李小东，杨晨辉，
申请(专利权)人：北京爱特瑞科软件开发有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。