基于时-空图卷积神经网络的广域多风电场短期预测方法技术

本发明专利技术公开的基于时‑空图卷积神经网络的广域多风电场短期预测方法，具体按以下步骤实施：S1、确定强相关气象特征；S2、确定时‑空图多节点特征集；S3、以多风电场之间历史出力相关性作为时‑空图边特征；S4、引入时‑空图神经网络中信息传播机制，构建聚合历史出力强相关场站数据天气预报和历史出力高维特征的信息传播机制，S5、在时‑空图神经网络训练过程中引入绝对误差损失和交叉熵损失相结合的损失函数，结合门控循环单元层完成多风电场短期预测。本发明专利技术的基于时‑空图卷积神经网络的广域多风电场短期预测方法，解决现有技术中存在的风电功率的预测值与实际值存在较大差异的问题。

【技术实现步骤摘要】

本专利技术属于短期风电功率预测，具体涉及基于时-空图卷积神经网络的广域多风电场短期预测方法。

技术介绍

1、现有研究对相邻风电场之间空间相关性的考虑较少，且当仅使用单一风电场数值天气预报数据时，可能会忽略了邻近场站数值天气预报数据包含的有用信息，从而降低风电场预测准确率。风电功率的预测值与实际值存在较大差异，则可能会导致电力系统的频率和电压失衡，对电力系统的稳定性产生消极影响。提高风电功率预测准确性可以合理削弱风电功率并网时其不确定性对电力系统带来的不利影响，提高系统运行的可靠性。

技术实现思路

1、本专利技术的目的在于提供基于时-空图卷积神经网络的广域多风电场短期预测方法，解决现有技术中存在的风电功率的预测值与实际值存在较大差异的问题。

2、本专利技术所采用的技术方案是，基于时-空图卷积神经网络的广域多风电场短期预测方法，具体按照以下步骤实施：

3、s1、根据最大信息系数分析某一地区风电场风电出力与气象特征关联程度，确定强相关气象特征；

4、s2、通过出力预测强相关气象特本文档来自技高网...

【技术保护点】

1.基于时-空图卷积神经网络的广域多风电场短期预测方法，其特征在于，具体按照以下步骤实施：

2.根据权利要求1所述基于时-空图卷积神经网络的广域多风电场短期预测方法，其特征在于，S1中所述气象特征包括风速、风向、温度、湿度与气压特征。

3.根据权利要求2所述基于时-空图卷积神经网络的广域多风电场短期预测方法，其特征在于，所述S1具体过程为：

4.根据权利要求1所述基于时-空图卷积神经网络的广域多风电场短期预测方法，其特征在于，所述S3具体过程为：

5.根据权利要求1所述基于时-空图卷积神经网络的广域多风电场短期预测方法，其特征在于，所述S4...

【技术特征摘要】

1.基于时-空图卷积神经网络的广域多风电场短期预测方法，其特征在于，具体按照以下步骤实施：

2.根据权利要求1所述基于时-空图卷积神经网络的广域多风电场短期预测方法，其特征在于，s1中所述气象特征包括风速、风向、温度、湿度与气压特征。

3.根据权利要求2所述基于时-空图卷积神经网络的广域多风电场短期预测方法，其特征在于，所述s1具体过程为：

4.根据权利要求1所述基于时-空图卷积神经网络的广域多风电场短期预测方法，其特征在于，所述s3具体过...

【专利技术属性】
技术研发人员：黄南天，孙赫宏，唐立鹏，李炳玲，王瑶瑶，
申请(专利权)人：东北电力大学，
类型：发明
国别省市：