一种基于多源数据融合的风电功率预测方法和系统技术方案

本发明专利技术属于风电功率预测技术领域，具体涉及一种基于多源数据融合的风电功率预测方法和系统。该方法构建由风速预测模型与功率预测模型组成的级联式预测架构，其中风速预测模块采用变量级注意力机制与补丁级注意力机制分别从数值天气预报数据中提取多维气象参数的跨变量关联特征，从实测历史运行数据中捕获长短期时间依赖模式；功率预测模型通过一维平均池化对预测风速序列进行分解，并构建非线性功率映射模型。此外，提出了注意力融合模块，引入可学习全局变量作为信息交换的桥梁，实现气象数据与实测数据的信息交互，有效提升多源数据的协同利用效率。实验表明，该方法优于现有的基于深度学习的预测模型。

【技术实现步骤摘要】

本专利技术属于风电功率预测，具体涉及一种基于多源数据融合的风电功率预测方法和系统。

技术介绍

1、随着经济的快速发展和生活水平的不断提高，人类对能源的需求也在不断增加。风能是发展最快、最具竞争力、危害最小的可再生能源技术之一，在向可持续能源的过渡中发挥着主导作用[1]。大力发展风能有潜力满足日益增长的全球能源需求，在解决气候问题的同时保持长期经济增长。然而，风能受气候和环境因素的影响较大，具有高度的随机性、波动性和不确定性，进而影响风电并网和电力系统的安全稳定，导致运行维护成本增加，能源利用效率低下。因此，开发先进的模型来提供准确的风电预测，对于电力系统的稳定运行具有重要的现实意义。

2、目前，随着机器学习的深入发展和计算能力设备的升级，基于人工智能方法开发的模型由于能够捕捉非线性特征和出色的数据处理和计算能力，在风电预测领域受到了广泛关注。常用的模型包括支持向量机(svm)[2]、长短期记忆网络(lstm)[3]、门控循环单元网络(gru)[4]、卷积神经网络(cnn)[5]、transformer[6]等。得益于lstm对时间序列具有较强的本文档来自技高网...

【技术保护点】

1.一种基于多源数据融合的风电功率预测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的一种基于多源数据融合的风电功率预测方法，其特征在于：收集的风电场实际运行数据包括测风塔不同高度的历史实测风速数据、历史实测风向数据和每个风机的历史实测发电功率，所述的数值天气预报的气象数据包括未来某段时间的预报温度、预报湿度、预报气压、预报风向和预报风速；

3.如权利要求1所述的一种基于多源数据融合的风电功率预测方法，其特征在于：利用滑动窗口方法构建适合模型训练的样本，包括构建风速预测模型和功率预测模型的输入和输出；风速预测模型的输入由两部分组成：长度为L的历史实测风速数...

【技术特征摘要】

1.一种基于多源数据融合的风电功率预测方法，其特征在于，包括如下步骤：

2.如权利要求1所述的一种基于多源数据融合的风电功率预测方法，其特征在于：收集的风电场实际运行数据包括测风塔不同高度的历史实测风速数据、历史实测风向数据和每个风机的历史实测发电功率，所述的数值天气预报的气象数据包括未来某段时间的预报温度、预报湿度、预报气压、预报风向和预报风速；

3.如权利要求1所述的一种基于多源数据融合的风电功率预测方法，其特征在于：利用滑动窗口方法构建适合模型训练的样本，包括构建风速预测模型和功率预测模型的输入和输出；风速预测模型的输入由两部分组成：长度为l的历史实测风速数据和长度为s的数值天气预报的气象数据，输出为预报风速；功率预测模型的输入是风速预测模型的输出预报风速，输出是预报功率；滑动策略是将滑动步长设置为1。

4.如权利要求1所述的一种基于多源数据融合的风电功率预测方法，其特征在于：所述风速预测模型具体处理过程如下；

【专利技术属性】
技术研发人员：向攀，田昕，
申请(专利权)人：武汉大学，
类型：发明
国别省市：