【技术实现步骤摘要】
本申请涉及计算机，具体而言，本申请涉及一种风力发电预测方法、装置、网络设备及存储介质。
技术介绍
1、风力发电是一种重要的可再生能源，其可预测性一直是能源产业面临的重要挑战之一。现有的方式通常是按照历史同期的风力发电量作为参照进行分析，对风力发电的预测结果不准确。
技术实现思路
1、本申请各提供了一种风力发电预测方法、装置、网络设备及存储介质，可以提升对风力发电的预测准确性。所述技术方案如下：
2、根据本申请的一个方面，本申请提供了一种风力发电预测方法，包括：获取气象相关的时间序列数据和风力发电数据；依据时间序列数据输入到分析模型中进行分析，确定风力发电的预测结果，所述分析模型为基于长短期记忆网络与注意力机制的模型；依据预测结果和风力发电数据，对分析模型进行调整，以确定训练好的分析模型，以对风力发电进行预测。
3、在一示例性实施例中，所述获取气象相关的时间序列数据和风力发电数据，包括：获取历史气象相关数据、历史气象相关数据对应的第一时间数据、历史风力发电功率数据、历史风力发电功率数据对应的第二时间数据；对历史气象相关数据和历史风力发电功率数据进行数据清洗、归一化，并按照第一时间数据和第二时间数据将历史气象相关数据和历史风力发电功率数据进行对齐，得到对齐的气象相关的时间序列数据和风力发电数据。
4、在一示例性实施例中，所述分析模型，包括：内部状态模块，用于记录时间序列数据的相关信息以输出给隐藏状态模块；控制门模块，用于保存时间序列数据的相关信息至内
5、在一示例性实施例中，所述控制门模块，包括：输入门，用于保存时间序列数据的相关信息至内部状态模块；遗忘门，用于删除内部状态模块保存的时间序列数据的相关信息；输出门，用于控制内部状态模块是否输出时间序列数据的相关信息给隐藏状态模块。
6、在一示例性实施例中，所述分析模型，还包括：注意力模块，用于基于注意力机制，对隐藏状态模块的输出进行加权变换，确定隐藏状态模块在一个时间窗口内的多个输出的权重，并按照权重进行融合，得到更新后的输出。
7、在一示例性实施例中，所述依据预测结果和风力发电数据，对分析模型进行调整，包括：基于梯度下降方式，分析预测结果与风力发电数据之间的损失，并对分析模型的参数进行调整。
8、根据本申请的一个方面，本申请提供了一种风力发电预测方法，包括：获取气象相关数据，并对气象相关数据和历史风力发电功率数据进行数据清洗、归一化，得到时间序列数据；将时间序列数据输入到训练好的分析模型中进行分析，确定风力发电的分析结果，分析模型为基于长短期记忆网络与注意力机制的模型，训练好的分析模型依据历史气象相关数据和历史风力发电功率数据进行训练后得到；反馈风力发电的分析结果。
9、根据本申请的一个方面，本申请提供了一种风力发电预测装置，包括：相关数据获取模块，用于获取气象相关的时间序列数据和风力发电数据；分析模型分析模块，用于依据时间序列数据输入到分析模型中进行分析，确定风力发电的预测结果，所述分析模型为基于长短期记忆网络与注意力机制的模型；分析模型调整模块，用于依据预测结果和风力发电数据，对分析模型进行调整，以确定训练好的分析模型，以对风力发电进行预测。
10、根据本申请的一个方面，本申请提供了一种网络设备，包括：存储器、收发机、以及处理器；其中，所述存储器，用于存储计算机程序；所述收发机，用于在所述处理器的控制下收发数据；所述处理器，用于读取所述存储器中的计算机程序并执行如上所述的风力发电预测方法。
11、根据本申请的一个方面，本申请提供了一种存储介质，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如上所述的风力发电预测方法。
12、本申请提供的技术方案带来的有益效果是：
13、本申请的方案可以应用在风力发电的预测场景中，可以利用历史风力发电和历史气象相关数据来训练分析模型，其中，分析模型是基于长短期记忆网络与注意力机制的模型。本方案的分析模型可以将时间序列数据用作模型输入，接着进行特征提取，然后通过注意力机制进一步提取关键特征，以对模型进行调优。分析模型可以存储来自遥远时间的信息，同时注意力机制通过引入权重分配和关注机制，为分析模型的隐藏层输出向量中与模型输出关联的值赋予更大的权重，使模型能够更好地处理复杂的输入数据，从而提高模型的性能和表现，提升对风力发电的预测准确性。具体来说，本申请可以获取气象相关的时间序列数据和风力发电数据，将气象相关的时间序列数据作为分析模型的输入进行分析，确定风力发电的预测结果，所述分析模型为基于长短期记忆网络与注意力机制的模型；本申请将风力发电数据作为模型的气象相关的时间序列数据的标签，以依据风力发电数据与预测结果之间的差异对分析模型的参数进行调整优化，以确定训练好的分析模型，以依据训练好的分析模型依据气象数据来预测风力发电情况。比如可以依据第一时段的风力发电数据作为训练好的分析模型的输入进行分析，进而确定第一时段以后第二时段的风力发电情况。
本文档来自技高网...【技术保护点】
1.一种风力发电预测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述获取气象相关的时间序列数据和风力发电数据，包括：
3.如权利要求1所述的方法，其特征在于，所述分析模型，包括：
4.如权利要求3所述的方法，其特征在于，所述控制门模块，包括：
5.如权利要求3所述的方法，其特征在于，所述分析模型，还包括：
6.如权利要求1所述的方法，其特征在于，所述依据预测结果和风力发电数据，对分析模型进行调整，包括：
7.一种风力发电预测方法，其特征在于，包括：
8.一种风力发电预测装置，其特征在于，包括：
9.一种网络设备，其特征在于，包括：存储器、收发机、以及处理器；其中，所述存储器，用于存储计算机程序；所述收发机，用于在所述处理器的控制下收发数据；所述处理器，用于读取所述存储器中的计算机程序并执行如权利要求1-7所述方法。
10.一种存储介质，其上存储有计算机可读指令，其特征在于，所述计算机可读指令被一个或多个处理器执行，以实现如权利要求1-7中任一项所述的目
...【技术特征摘要】
1.一种风力发电预测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述获取气象相关的时间序列数据和风力发电数据，包括：
3.如权利要求1所述的方法，其特征在于，所述分析模型，包括：
4.如权利要求3所述的方法，其特征在于，所述控制门模块，包括：
5.如权利要求3所述的方法，其特征在于，所述分析模型，还包括：
6.如权利要求1所述的方法，其特征在于，所述依据预测结果和风力发电数据，对分析模型进行调整，包括：
7...
【专利技术属性】
技术研发人员：杨之乐，张爱茹，郭媛君，胡天宇，
申请(专利权)人：中国科学院深圳先进技术研究院，
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。