申请/专利权人：重庆大学

申请日：2023-12-15

公开（公告）日：2024-03-22

公开（公告）号：CN117744709A

主分类号：G06N3/0455

分类号：G06N3/0455;G06N3/0475;G06N3/0464;G06N3/094;G06Q50/06;H02J3/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明公开了基于生成对抗式网络模型的风电场尾流及功率预测方法，包括如下步骤：1基于transformer模型和条件生成对抗式网络构建单风机尾流预测模型；2基于卷积神经网络构建多风机尾流叠加预测模型，通过解析尾流模型和数值模拟生成训练数据集训练并验证上述两模型；3根据所述单风机尾流预测模型和多风机尾流叠加预测模型对风电场尾流的尾流场和功率进行预测。本发明通过采用深度学习模型技术，在保证高效计算的同时可达到接近数值模拟的尾流预测精度，依靠数据驱动的模型训练方法，可使其快速部署在各类不同的风电场中；其次，还可通过风电场的实测数据来进一步提升预测性能，避免传统的参数识别步骤，应用更加高效。

主权项：1.一种基于生成对抗式网络模型的风电场尾流及功率预测方法，其特征在于，包括如下步骤：1基于transformer模型和条件生成对抗式网络构建单风机尾流预测模型，通过经验解析尾流模型和数值模拟生成尾流流场数据集训练并验证该模型；2基于卷积神经网络构建多风机尾流叠加预测模型，同样通过经验解析尾流模型和数值模拟生成尾流流场数据集训练并验证该模型；3根据所述单风机尾流预测模型和多风机尾流叠加预测模型对风电场尾流的尾流速度场和湍流场及总发电功率进行预测。

全文数据：

权利要求：

百度查询： 重庆大学 基于生成对抗式网络模型的风电场尾流及功率预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD