[發明專利]風速預測方法、裝置以及存儲介質

在審

• 申請號: 201911294610.6
• 申請日: 2019-12-16
• 公開（公告）號: CN110929963A
• 公開（公告）日: 2020-03-27
• 發明（設計）人: 張亦澄;胡立偉;肖毅雄;鄭愛玲
• 申請（專利權）人: 深圳智潤新能源電力勘測設計院有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王學強

1.一種風速預測方法，其特征在于，包括：

獲取當前氣象觀測數據，所述當前氣象觀測數據包括：當前風速數據以及至少一種當前其他氣象數據；

獲取預訓練的風速預測模型，所述風速預測模型包括三維卷積神經網絡和長短期記憶網絡，所述長短期記憶網絡由歷史氣象觀測數據訓練得到，所述歷史氣象觀測數據包括：歷史風速數據和至少一種歷史其他氣象數據；

使用所述三維卷積神經網絡提取所述當前氣象觀測數據的特征參數；

使用所述長短期記憶網絡根據所述特征參數進行擬合運算，輸出預測的風速數據。

2.根據權利要求1所述的風速預測方法，其特征在于，所述方法還包括：對所述長短期記憶網絡進行訓練；其中所述對長短期記憶網絡進行訓練，包括：

獲取按照時間先后順序采集的多組歷史氣象觀測數據；

使用所述三維卷積神經網絡提取每一組所述歷史氣象觀測數據的特征參數；

按照所述時間先后順序將每一組所述歷史氣象觀測數據的特征參數輸入長短期記憶網絡，以訓練所述長短期記憶網絡。

3.根據權利要求1所述的風速預測方法，其特征在于，所述方法還包括：

初始化所述三維卷積網絡的卷積核參數。

4.根據權利要求1所述的風速預測方法，其特征在于，還包括：

確定目標時間點；其中所述目標時間點與當前氣象觀測數據的采集時間點之間間隔的時間長度為，用于訓練所述長短期記憶網絡的多組歷史氣象觀測數據的采集時間間隔；

將預測的風速數據確定為所述目標時間點的風速數據。

5.根據權利要求1所述的風速預測方法，其特征在于，所述方法還包括：

獲取所述預測的風速數據對應的真實風速數據；

根據所述預測的風速數據和所述真實風速數據，計算所述長短期記憶網絡的損失函數；

通過反向傳播算法最小化所述損失函數，以優化所述長短期記憶網絡。

6.一種風速預測裝置，其特征在于，包括：

第一獲取單元，用于獲取當前氣象觀測數據，所述當前氣象觀測數據包括：當前風速數據以及至少一種當前其他氣象數據；

第二獲取單元，用于獲取預訓練的風速預測模型，所述風速預測模型包括三維卷積神經網絡和長短期記憶網絡，所述長短期記憶網絡由歷史氣象觀測數據訓練得到，所述歷史氣象觀測數據包括：歷史風速數據和至少一種歷史其他氣象數據；

提取單元，用于使用所述三維卷積神經網絡提取所述當前氣象觀測數據的特征參數；

擬合單元，用于使用所述長短期記憶網絡根據所述特征參數進行擬合運算，輸出預測的風速數據。

7.根據權利要求6所述的風速預測裝置，其特征在于，還包括：

第三獲取單元，用于獲取按照時間先后順序采集的多組歷史氣象觀測數據；

提取單元，用于使用所述三維卷積神經網絡提取每一組所述歷史氣象觀測數據的特征參數；

訓練單元，用于按照所述時間先后順序將每一組所述歷史氣象觀測數據的特征參數輸入長短期記憶網絡，以訓練所述長短期記憶網絡。

8.根據權利要求6所述的風速預測裝置，其特征在于，還包括：

第四獲取單元，用于獲取所述預測的風速數據對應的真實風速數據；

計算單元，用于根據所述預測的風速數據和所述真實風速數據，計算所述長短期記憶網絡的損失函數；

優化單元，用于通過反向傳播算法最小化所述損失函數，以優化所述長短期記憶網絡。

9.一種風速預測裝置，其特征在于，包括：中央處理器，存儲器,所述存儲器為短暫存儲存儲器或持久存儲存儲器；所述中央處理器配置為與所述存儲器通信，在所述風速預測裝置上執行所述存儲器中的指令操作以執行權利要求1至5中任一項所述的方法。

10.一種存儲介質，包括指令，當所述指令在計算機上運行時，使得計算機執行如權利要求1至5中任意一項所述的方法。