【技术实现步骤摘要】
本专利技术涉及一种风电功率预测方法，具体为一种多尺度局部特征和transformer全局学习融合的风电功率预测方法，属于风电功率预测。
技术介绍
1、随着化石能源消耗和环境污染的加剧，风能成为人们代替传统化石能源的重要能源之一。但风能的随机性和间歇性特点，严重影响了电网运行安全。因此风电功率预测的重要性日益突出。精确的风电功率预测能够极大消除风电对电网造成的不确定性扰动，节约电网稳定运行成本，提高对风能的利用率。因此，风功率预测对电网调度和稳定运行具有非常重要的研究价值。
2、风电功率预测模型包括物理模型、统计机器学习模型和基于人工智能模型三类。物理方法主要基于风力发电厂的物理特征，根据功率曲线对风电场发电功率进行预测。但物理方法预测风电功率的计算较为复杂，精度较低。常见的统计预测方法的统计模型ar、arima、maarima等，此类方法不考虑环境信息的物理变化，通过建立数学模型拟合历史数据与预测功率之间的映射关系，进而预测未来的风力发电功率，模型结构简单，计算迅速但需要大量历史数据。基于人工智能的预测模型利用机器学习和深度...
【技术保护点】
1.一种多尺度局部特征和全局学习融合的风电功率预测方法，包括MS_Transformer模型，其特征在于：所述MS_Transformer模型包括多尺度局部特征增强单元、TransformerEncoder和全连接输出层；该预测方法包括以下步骤：
2.根据权利要求1所述的风电功率预测方法，其特征在于：所述S3中，MSLFU_BLOCK的输出O(1)是对应卷积结果Out1到Outn的累加，并加上输入X，表示为：
3.根据权利要求1所述的风电功率预测方法，其特征在于：所述S4中，Transformer编码器由N个相同的Block组成；
...
【技术特征摘要】
1.一种多尺度局部特征和全局学习融合的风电功率预测方法，包括ms_transformer模型，其特征在于：所述ms_transformer模型包括多尺度局部特征增强单元、transformerencoder和全连接输出层；该预测方法包括以下步骤：
2.根据权利要求1所述的风电功率预测方法，其特征在于：所述s3中，mslfu_block的输出o(1)是对应卷积结果out1到outn的累加，并加上输入x，表示为：
3.根据权利要求1所述的风电功率预测方法，其特征在于：所述s4中，transformer编码器由n个相同的block组成；
4.根据权利要求1所述的风电功率预测方法，其特征在于：所述多尺度局部特征增强单元采用多头注意力机制，mslfu_block的输出和位置编码叠加后的序列通过多个独立的注意力头将特征映射到不同的子空间，每个头都学习不同的关注权重，以捕捉时间序列中不同的关系和特征。每个...
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。