[發明專利]基于深度學習網絡的大規模風電功率預測系統及方法

有效

• 申請號: 201510310688.8
• 申請日: 2015-06-08
• 公開（公告）號: CN104978605A
• 公開（公告）日: 2015-10-14
• 發明（設計）人: 潘志剛;朱曉偉;李瑩
• 申請（專利權）人: 上海電機學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 上海思微知識產權代理事務所(普通合伙) 31237
• 代理人: 菅秀君

1.一種基于深度學習網絡的大規模風電功率預測系統，包括：

數據采集模塊，由風電場自行提供，用于從風機采集風機數據及天氣數據，并將其存儲到數據庫中，

數據庫，負責數據的存儲和與數據相關的操作；

預測值計算模塊，根據該數據庫中存儲的歷史數據經深度學習網絡計算得到預測值，并將預測值存入數據庫中。

2.如權利要求1所述的基于深度學習網絡的大規模風電功率預測系統，其特征在于：所述預測系統還包括數據發布模塊，負責從數據庫取出數據再通過界面進行顯示。

3.如權利要求1所述的基于深度學習網絡的大規模風電功率預測系統，其特征在于，所述預測值計算模塊

風速預測模塊，用于通過深度學習網絡算法預測風速；

功率預測模塊，根據預測得到的風速，查找該數據庫中存儲的每臺風機的風速-功率專家數據庫表，得到相應的功率值。

4.如權利要求3所述的基于深度學習網絡的大規模風電功率預測系統，其特征在于，所述風速預測模塊包括：

模型參數選取模塊，根據所要得到的預測數據選擇合適的樣本點的個數，然后通過執行存儲過程，得到風機每隔一段時間的風速數據，存入數組中；

初始化模型，通過逐層訓練深度學習網絡，使網絡模型得到一個初始值；

模型參數確定模塊，通過神經網絡的學習算法再對網絡進行參數的微調，從而使整個深度學習網絡收斂到一個局部最優點上；

風速求解模塊根據確定的參數對模型進行求解，獲得預測的風速。

5.如權利要求4所述的基于深度學習網絡的大規模風電功率預測系統，其特征在于：所述樣本點的個數大于300小于10000。

6.如權利要求4所述的基于深度學習網絡的大規模風電功率預測系統，其特征在于：所述預測值計算模塊采用C/S結構。

7.如權利要求4所述的基于深度學習網絡的大規模風電功率預測系統，其特征在于：所述數據庫用于存儲大量的數據，并創建大量的存儲過程用類進行數據的篩選，分類和部分計算，以及創建大量的作業用來定時進行數據相關操作。

8.一種基于深度學習網絡的大規模風電功率預測方法，包括如下步驟：

步驟一，從風機采集風機數據及采集天氣數據，并存儲到數據庫中；

步驟二，對采集到的數據進行篩選與整理，得到所需的數據；

步驟三，調用深度學習網絡算法，將所需的數據傳遞給該算法，計算得到預測數據，并存儲于數據庫中。

9.如權利要求8所述的基于深度學習網絡的大規模風電功率預測方法，其特征在于，在步驟三之后，還包括如下步驟：

數據發布模塊從數據庫中取出所需的數據，在界面中顯示。

10.如權利要求8所述的基于深度學習網絡的大規模風電功率預測方法，其特征在于，步驟三進一步包括如下步驟：

步驟S1，根據所要得到的預測數據選擇合適的樣本點的個數，然后通過執行存儲過程，得到風機每隔十分鐘的風速數據，存入數組中；

步驟S2，通過逐層訓練深度學習網絡，使網絡模型得到一個初始值；

步驟S3，利用步驟S1的數據，通過神經網絡的學習算法再對網絡進行參數的微調，從而使整個深度學習網絡收斂到一個局部最優點上。

步驟S4，對網絡模型進行求解，獲得風速預測值；

步驟S5，根據預測得到的風速，查找數據庫中每臺風機的風速-功率專家數據庫表，得到相應的功率值。