【技术实现步骤摘要】
本专利技术属于风速预测领域，具体涉及一种风速多尺度级联增强端到端预测方法。
技术介绍
1、目前，能源的可持续性和能源稀缺问题日益增长，能源行业都在积极地对可再生能源资源进行开发，并结合能源生产和能源使用来进一步节约能源。精确量化产能指标对能源发展和用能政策制定至关重要。
2、在新能源发电领域，风能发电占据重要地位。风能发电的原理通过将风的动能转化为电能，因此风能可再生且永不枯竭。同时风能发电十分清洁，环境效益好。但是风能作为随机性和季节性较强的能源类型，产能的间歇性和不稳定性对风电的有效利用带来了巨大的挑战。
3、因此风速预测对于电网安全运营、电能质量保证具有重大意义。目前，主要的风速预测方法包括基于数值天气预报的方法、基于已有风速数据的统计学方法以及机器学习方法。其中机器学习方法出现以来就显示出巨大的潜力，能够处理非线性关系和复杂模式，精度上限高于传统方法。风速预测的精度对风电功率预测起决定性作用，对风电场和电力系统的运行具有重要意义。但是，目前通过机器学习预测风速的方法还不够成熟，无法长期精准的对风速进行有效
【技术保护点】
1.一种风速多尺度级联增强端到端预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的风速多尺度级联增强端到端预测方法，其特征在于，步骤S1所述风速数据通过地面监测点的风速传感器获取，包括温度参数、气压参数和风速参数。
3.根据权利要求1所述的风速多尺度级联增强端到端预测方法，其特征在于，步骤S2具体为：首先将步骤S1得到的风速数据进行预处理，将预处理后的N个站点检测到的风速数据构建成1*L*W的格式，其中，L为风速数据记录长速度，W为获取到的多源参数的数量，根据站点经纬度关系对对每个风速数据获取时所在的站点进行注释，没有数据的地方采用...
【技术特征摘要】
1.一种风速多尺度级联增强端到端预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的风速多尺度级联增强端到端预测方法，其特征在于，步骤s1所述风速数据通过地面监测点的风速传感器获取，包括温度参数、气压参数和风速参数。
3.根据权利要求1所述的风速多尺度级联增强端到端预测方法，其特征在于，步骤s2具体为：首先将步骤s1得到的风速数据进行预处理，将预处理后的n个站点检测到的风速数据构建成1*l*w的格式，其中，l为风速数据记录长速度，w为获取到的多源参数的数量，根据站点经纬度关系对对每个风速数据获取时所在的站点进行注释，没有数据的地方采用数值“0”进行填充；为风速数据添加预测判断参数λ，短期预测判断参数范围为0＜λ≤96；中期预测判断参数范围为96＜λ≤192；长期预测判断参数范围为λ＞192。
4.根据权利要求1所述的风速多尺度级联增强端到端预测方法，其特征在于，步骤s3中所述初始风速预测模型包括第一revin模块、判断模块、短期预测分支模块、中期预测分支模块、长期预测分支模块、特征融合模块和第二revin模块；
5.根据权利要求4所述的风速多尺度级联增强端到端预测方法，其特征在于，第一revin模块对输入的数据进行归一化处理，先计算数据的平均值和标准偏差，使用以下算式表示：
6.根据权利要求5所述的风速多尺度级联增强端到端预测方法，其特征在于，短期预测分支模块包括mcie-c分支模块、mcie-l分支模块和mcie-t分支模块；
7.根据权利要求6所述的风速多尺度级联增强端到端预测方法，其特征在于，mcie-c分支模块包括依次串联的第一卷积编码模块、第一1×1卷积层模块、3×3深度可分离卷积层模块、concat模块、第二1×1卷积层模...
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。