申请/专利权人：中国电建集团华东勘测设计研究院有限公司;浙江大学

申请日：2024-02-05

公开（公告）日：2024-05-10

公开（公告）号：CN118014395A

主分类号：G06Q10/0637

分类号：G06Q10/0637;G06Q50/06;G06V10/10;G06V10/762;G06V10/82;G06N3/0464;G06N3/088

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明公开了一种面向风机集群的多视角超图功率预测方法。本发明考虑到风机集群的工况和运行机理的相似性，对集群内所有风机数据采用多种聚类方法来全面挖掘风机过程变量间的相关性，将每种聚类方法得到的每个簇视为一条超边，簇内的每个风机过程变量都视为一个节点，则每一种聚类方法都得到由多条超边组成的一张超图。再针对每张超图构建超图卷积模块，并将模块输出进行节点特征聚合，得到风机集群的一致性表征，并基于此进一步训练功率预测模型，实现风机功率预测模型的协同优化。本发明通过融合具有相似工况和运行机理的风机集群信息，协同优化功率预测模型，不仅挖掘了风机变量间的高阶相关性，还实现了较为精确的风机功率预测。

主权项：1.面向风机集群的多视角超图功率预测方法，其特征在于，具体为：实时获取风机集群中每台风机的过程变量数据；将过程变量数据中，每个变量视为超图中的一个节点，利用多种聚类算法分别进行聚类，每种聚类算法得到的簇视为一条超边，构建获得多张超图；将多张超图和过程变量数据输入至训练好的功率预测模型，获得每台风机的功率预测结果；其中，所述训练好的功率预测模型是基于风场中风机集群正常运行过程变量数据训练获得的；训练方法如下：步骤1：收集风机集群中所有双馈风力发电机的正常运行历史过程变量数据和对应的功率；步骤2：将正常运行历史过程变量数据中，每个变量视为超图中的一个节点，利用多种聚类算法分别进行聚类，每种聚类算法得到的簇视为一条超边，构建获得多张超图；步骤3：构建功率预测模型，所述功率预测模型包括若干个超图卷积模块与预测模块，其中超图卷积模块与超图一一对应，用于对输入的超图和过程变量数据进行卷积输出节点特征，再将所有超图卷积模块输出的节点特征进行拼接，得到集群节点特征；最后，将集群节点特征输入到预测模块中，得到预测的风机功率值；步骤4：将得到的超图和过程变量数据作为输入，以最小化功率预测模型输出的预测的风机功率值与功率真实值的损失为目标，对功率预测模型进行训练，得到最终训练好的功率预测模型。

全文数据：

权利要求：

百度查询： 中国电建集团华东勘测设计研究院有限公司;浙江大学 面向风机集群的多视角超图功率预测方法

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