申请/专利权人:西安邮电大学
申请日:2023-11-01
公开(公告)日:2024-02-20
公开(公告)号:CN117578400A
主分类号:H02J3/00
分类号:H02J3/00;G06F18/231;G06F18/22;G06F18/25;G06F18/27;G06Q50/06;H02J3/46
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.03.08#实质审查的生效;2024.02.20#公开
摘要:本发明属于风力发电技术领域,公开了一种风电场风况超短期预测方法、系统、介质及计算机设备,根据经过预处理后的风况数据计算相同风场内每台风机与其他风机之间的最大均值差异MMD值,并将其作为相似性度量,构建MMD矩阵,对构建的MMD矩阵采用层次聚类分析方法进行风机相似性分组,根据聚类效果,确定最佳分组,将同一簇风机的风向、风速、外界温度等特征数据进行数据融合,构建高维度风况特征矩阵。构建多输入多输出的风况超短期预测模型,将完成数据融合后的同簇多台风机的特征矩阵作为模型输入,以同簇内各风机未来风速、风向值作为模型输出,有效挖掘风况数据隐藏的时空间关系,实现对风电场风况的同步预测。
主权项:1.一种风电场风况超短期预测方法,其特征在于,所述风电场风况超短期预测方法根据经过预处理后的风况数据计算相同风场内每台风机与其他风机之间的最大均值差异MMD值,并将其作为相似性度量,构建MMD矩阵,对构建的MMD矩阵采用层次聚类分析方法进行风机相似性分组,根据聚类效果,确定最佳分组,将同一簇风机的风向、风速、外界温度等特征数据进行数据融合,构建高维度风况特征矩阵;融合注意力机制和时间卷积神经网络构建多输入多输出的风况超短期预测模型,将完成数据融合后的同簇多台风机的特征矩阵作为模型输入,以同簇内各风机未来风速、风向值作为模型输出。
全文数据:
权利要求:
百度查询: 西安邮电大学 风电场风况超短期预测方法、系统、介质及计算机设备
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。