[發明專利]一種基于遞歸神經網絡的長短期記憶模型來預測風力發電的系統模型

在審

• 申請號: 202010108778.X
• 申請日: 2020-02-21
• 公開（公告）號: CN111130110A
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 胡炳謙;周浩;顧一峰;韓俊
• 申請（專利權）人: 上海積成能源科技有限公司
• 主分類號: H02J3/00
• 分類號: H02J3/00;H02J3/38;G06F30/27
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.步驟一、通過測量或取得歷史數據的方式， 獲得該區域的歷史數據包括連續一年以上的緯向風分量，經向風分量，風速和風向, 以及歷史風力發電, 其中所述歷史數據的時間分辨點為1小時，樣本風力發電出力曲線圖如圖2所示。

2.步驟二、數據準備：， 表示用來預測風力發電的輸入數據，包括分別為, 季節變量(一月之前/之后的月數, 四月之前/之后的月數), 時天變量(凌晨3點（之前/之后）的小時數, 凌晨6點（之前/之后）的小時數, 上午9點（之前/之后）的小時數), 最新的風速預測值，每小時所有風預測的緯向風分量平均值，每小時所有風預測的經向風分量平均值，每小時所有風預測的風速平均值，每小時所有風預測的緯向風分量方差，每小時所有風預測的經向風分量方差，每小時所有風預測的風速方差，前8小時最新風預測的緯向風分量值平均值，前8小時最新風預測的緯向風分量值方差，前8小時最新風預測的緯向風分量值平均值，前8小時最新風預測的緯向風分量值方差，前8小時最新風預測的風速平均值，前8小時最新風預測的風速方差， 表示風力發電值，也就是實際值, 表示數據量。

3.步驟三、搭建長短期記憶模型，其中單元格如圖3表示，其中, 為輸入量， 為預測量， 為隱藏信息量，以及 為信息記憶量。

4.步驟四、為忘記門，作用在于選擇是否忘記過去的某些信息：

。

5. 步驟五、 為候選值,其包含來自當前的信息，該信息可以存儲在當前單元格狀態中 ，它的值取決于更新門：

。

6.步驟六、為更新門：作用在于決定 是否存儲到 ：

。

7. 步驟七、為記憶空間, 這部分內容將傳導到下一個模型單元：

。

8. 步驟八、為輸出門：

。

9.步驟九、為隱藏單元，它的值將傳遞給下一個單元，

最后為 預測值。

10.步驟十、 模型的時間步長定義了希望模型看到的多少時間單位，

在本發明的模型中，我們選取了24*7小時作為時間步長，即，調查一周的數據來以預測下一個時段的風電出力，t 為 168，具體模型如圖4所示。