【技术实现步骤摘要】
本专利技术涉及一种风速预测方法、装置及存储介质，属于风速预测。
技术介绍
1、随着全球对可再生能源需求的日益增长，风能作为一种清洁的可再生能源在能源结构调整和环境保护中发挥着重要作用。然而，由于风速变化的随机性和波动性较强，精确预测风速对提升风电场运行效率和电网稳定性至关重要。传统的风速预测方法主要包括统计方法、物理方法和基于机器学习的方法。
2、统计方法如自回归移动平均模型和季节性自回归综合移动平均模型在处理线性和周期性数据时表现良好，但对于风速数据中的非线性特征和突变情况处理效果不佳。物理方法通过模拟大气物理过程来进行风速预测，虽然具有较高的理论精度，但对计算资源要求较高，且在短时间尺度上的预测效果有限。
3、近年来，基于机器学习的预测方法受到了广泛关注和研究。这些方法通过学习历史数据中的复杂模式和特征进行预测，能够较好地处理数据中的非线性特征。然而，现有的机器学习方法在处理风速数据的非平稳性和多尺度特征时仍存在一定的局限性。传统方法在单一时间维度或空间维度上的特征提取各有优势，但往往难以同时兼顾这两者的复杂...
【技术保护点】
1.一种风速预测方法，其特征在于，包括：
2.根据权利要求1所述的风速预测方法，其特征在于，所述去噪后的气象数据通过以下方法得到：
3.根据权利要求2所述的风速预测方法，其特征在于，所述最大最小归一化通过以下公式进行：
4.根据权利要求1所述的风速预测方法，其特征在于，所述图卷积模块的表达式为：
5.根据权利要求1所述的风速预测方法，其特征在于，所述连续残差时空模块进行空间特征提取的表达式为：
6.根据权利要求1所述的风速预测方法，其特征在于，所述特征融合的表达式为：
7.根据权利要求1所述的风速...
【技术特征摘要】
1.一种风速预测方法，其特征在于，包括：
2.根据权利要求1所述的风速预测方法，其特征在于，所述去噪后的气象数据通过以下方法得到：
3.根据权利要求2所述的风速预测方法，其特征在于，所述最大最小归一化通过以下公式进行：
4.根据权利要求1所述的风速预测方法，其特征在于，所述图卷积模块的表达式为：
5.根据权利要求1所述的风速预测方法，其特征在于，所述连续残差时空模块进行空间特征提取的表达式为：
6.根据权利要求1所述的风速预测方法，其特征在于，所述特征融合的表达式为：
7....
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。