申请/专利权人:哈尔滨工业大学(深圳);中广核风电有限公司
申请日:2022-07-04
公开(公告)日:2022-09-23
公开(公告)号:CN115099153A
主分类号:G06F30/27
分类号:G06F30/27;G06K9/62;G06F119/02
优先权:
专利状态码:在审-实质审查的生效
法律状态:2022.10.14#实质审查的生效;2022.09.23#公开
摘要:本发明提供了一种风功率预测模型训练方法、风功率预测方法、装置及介质,训练方法包括:获取风机的时序风机数据和所述风机所在风场的气象数值数据,所述气象数值数据表示所述风场的气象数据,所述时序风机数据表示按照时间排序的风机数据;基于自注意力机制对所述时序风机数据进行特征提取,获得第一特征数据,并基于交叉注意力机制对所述气象数值数据进行特征提取,获得第二特征数据;融合所述第一特征数据和所述第二特征数据,获得训练数据;采用所述训练数据训练预先构建的深度神经网络,获得风功率预测模型。本发明的技术方案提高了风功率预测的准确性。
主权项:1.一种风功率预测模型训练方法,其特征在于,包括:获取风机的时序风机数据和所述风机所在风场的气象数值数据,所述气象数值数据表示所述风场的气象数据,所述时序风机数据表示按照时间排序的风机数据;基于自注意力机制对所述时序风机数据进行特征提取,获得第一特征数据,并基于交叉注意力机制对所述气象数值数据进行特征提取,获得第二特征数据;融合所述第一特征数据和所述第二特征数据,获得训练数据;采用所述训练数据训练预先构建的深度神经网络,获得风功率预测模型。
全文数据:
权利要求:
百度查询: 哈尔滨工业大学(深圳);中广核风电有限公司 风功率预测模型训练方法、风功率预测方法、装置及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。