申请/专利权人:南京师范大学;江苏省电力试验研究院有限公司;国电南瑞科技股份有限公司
申请日:2024-03-01
公开(公告)日:2024-04-02
公开(公告)号:CN117810997A
主分类号:H02J3/00
分类号:H02J3/00;G06F18/213;G06N3/0464;G06F18/22;G06F18/23;G06Q50/06;H02J3/38
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明公开了一种基于时空相关性的短期风电功率预测方法,步骤如下:获取某区域风电场的历史功率及待测风电场影响因子的历史数据,建立特征数据库;使用t分布随机近邻嵌入算法在保留数据相似性的同时对数据进行降维;利用CNN对处理后的风电数据进行局部特征提取;使用主要架构为编码器‑解码器的FEDformer模型,使用编码器中的MOE模块分解输入信号,FEB模块加权,使用解码器中的FEA模块对信号执行交叉注意操作,提取信号中的相关性和相似性,实现模型的自适应学习和预测,得到最终的预测结果。本发明能够为平衡系统电力供应和负荷需求提供基础,防止系统因风电接入电网发生故障,提高电力系统的稳定性。
主权项:1.一种基于时空相关性的短期风电功率预测方法,其特征在于,包括以下步骤:(1)获取某区域风电场的历史功率及待测风电场影响因子的历史数据,建立特征数据库,识别并剔除原始数据中的异常值,填补原始数据中的缺失值,使用z-score将数据标准化;(2)使用t分布随机近邻嵌入算法,在保留数据相似性的同时对数据进行降维;(3)利用CNN对已经处理过的风电数据进行局部特征提取,生成更重要的信息;(4)使用主要架构为编码器-解码器的FEDformer模型,经过编码器的MOE模块对输入信号进行分解,FEB模块对频域特征进行加权,使高频特征得到更高的权重,再由解码器中的FEA对来自编码器和解码器中的信号执行交叉注意操作,提取信号中的相关性和相似性,实现模型的自适应学习和预测,得到最终的预测结果。
全文数据:
权利要求:
百度查询: 南京师范大学;江苏省电力试验研究院有限公司;国电南瑞科技股份有限公司 一种基于时空相关性的短期风电功率预测方法
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。