申请/专利权人：河海大学

申请日：2023-12-12

公开（公告）日：2024-04-16

公开（公告）号：CN117895476A

主分类号：H02J3/00

分类号：H02J3/00;H02J3/38;G06F17/16

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种基于时空稠密风场推衍的日内风功率预测方法与系统。所述方法包括：融入物理先验知识，将稠密风场的时空动态演变过程建模为多阶偏微分约束，通过矩估计方法求解各阶偏微分因子；通过基于卡尔曼增益的时空风场预测‑修正方法，利用时序生成结构减少误差累积，并引用风场偏微分矩估计损失作为正则项，训练得到稠密风场多步预测结果；引入稠密风场预测结果捕获未来风功率的分布特性，得到日内多步风功率预测结果。本发明可应用于时空风场数据接入风电场站的风功率预测场合，提供1至10小时准确功率预测结果，精度相比于仅依赖就地量测的传统预测技术有较大提升。

主权项：1.一种基于时空稠密风场推衍的日内风功率预测方法，其特征在于，包括以下步骤：1输入历史风场图像，融合物理先验知识，将稠密风场的对流、扩散以及其他不确定运动建模为加权多阶偏微分约束，利用矩估计方法构建各阶偏微分因子求解似然函数，求解各阶偏微分因子；2通过卡尔曼增益融合稠密风场偏微分约束结果与输入风场的不确定运动特征，构建稠密风场隐状态转移方法，并引用风场偏微分矩估计损失作为正则项，训练得到稠密风场多步预测结果；3输入历史风功率序列，利用稀疏注意力机制构建历史风功率序列与待预测风功率序列之间的映射关系，基于稠密风场多步预测结果得到待预测风功率序列的均值和方差，训练日内风功率预测模型，得到日内多步风功率预测结果。

全文数据：

权利要求：

百度查询： 河海大学 基于时空稠密风场推衍的日内风功率预测方法与系统

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