【技术实现步骤摘要】
本专利技术涉及可再生能源，具体为一种基于图卷积神经网络的风光互补性方法及系统。
技术介绍
1、随着全球能源需求的不断增长和环境保护意识的日益增强，可再生能源技术的发展受到了广泛关注和重视。风能和太阳能作为两种主要的可再生能源形式，具有清洁、可持续和广泛分布的特点。然而，风能和太阳能的时空分布具有高度不确定性和波动性，单一依赖某一种能源形式可能导致能源供应的不稳定。传统的风光互补性研究方法主要依赖于历史气象数据和经验公式，虽然在一定程度上能够优化风电和光伏的装机容量比例，但由于缺乏对数据复杂时空关系的深度挖掘，往往难以达到理想的优化效果。近年来，随着大数据技术和深度学习技术的发展，越来越多的研究开始尝试通过更为智能和精确的算法来提升风光互补性的优化效果。
2、现有的风光互补性研究方法中，主要存在以下几个方面的不足。首先，传统方法往往忽略了风能和太阳能数据之间的复杂依赖关系，导致优化结果的准确性和稳定性不足。其次，现有方法在处理大规模时空数据时，往往难以有效提取和聚合有用信息，导致数据利用效率不高。此外，当前的方法在应对不同地区...
【技术保护点】
1.一种基于图卷积神经网络的风光互补性方法，其特征在于，包括：
2.如权利要求1所述的一种基于图卷积神经网络的风光互补性方法，其特征在于：风能数据包括，该地区内100m的风速数据，风向数据，平均风功率密度、有效风速时数和气压；
3.如权利要求2所述的一种基于图卷积神经网络的风光互补性方法，其特征在于：基于句子引入注意力机制构建图关系矩阵包括，全局自注意力机制模块计算句子中各数据项之间的全局依赖关系，但气象数据并非独立存在，而是具有相互联系性的；
4.如权利要求3所述的一种基于图卷积神经网络的风光互补性方法，其特征在于：全局自注意力机...
【技术特征摘要】
1.一种基于图卷积神经网络的风光互补性方法，其特征在于，包括：
2.如权利要求1所述的一种基于图卷积神经网络的风光互补性方法，其特征在于：风能数据包括，该地区内100m的风速数据，风向数据，平均风功率密度、有效风速时数和气压；
3.如权利要求2所述的一种基于图卷积神经网络的风光互补性方法，其特征在于：基于句子引入注意力机制构建图关系矩阵包括，全局自注意力机制模块计算句子中各数据项之间的全局依赖关系，但气象数据并非独立存在，而是具有相互联系性的；
4.如权利要求3所述的一种基于图卷积神经网络的风光互补性方法，其特征在于：全局自注意力机制模块计算句子x中各数据项之间的全局依赖关系，得到全局注意力分数矩阵；
5.如权利要求4所述的一种基于图卷积神经网络的风光互补性方法，其特征在于：分块注意力矩阵包括，将输入句子x划分为两个块，长度为l；
6.如权利要求5所述的一种基于图卷积神经...
【专利技术属性】
技术研发人员：赵宽祥，王斌，陈巨龙，牟雪鹏，罗晨，杨世平，王伟，朱永清，张裕，钟天璇，胡江，刘恒，汪玉翔，张莎，杨婕睿，
申请(专利权)人：贵州电网有限责任公司，
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。