[發明專利]一種基于多通道卷積神經網絡和時間卷積網絡的短期風電功率預測方法

有效

• 申請號: 202011208966.6
• 申請日: 2020-11-03
• 公開（公告）號: CN112365040B
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 劉旭東;王洪燁;葉強;陳瑩;姜夢奇
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08;G06K9/62;G06Q50/06
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 劉景祥

1.一種基于多通道卷積神經網絡和時間卷積網絡的短期風電功率預測方法，其特征在于，所述短期風電功率預測方法包括以下步驟：

步驟1：對風電功率歷史數據提取相關特征并形成樣本集；

步驟2：利用多層LSTM神經網絡模型對樣本集中短期預測風速數據進行修正；

步驟3：對修正后的樣本集數據進行歸一化處理，并劃分為訓練集和測試集；

步驟4：分別對三通道CNN-LSTM神經網絡初始化設置和TCN時間卷積網絡初始化設置，利用訓練集分別對兩個網絡進行訓練；

步驟5：將測試集分別輸入兩個神經網絡模型，并利用加權平均方法進行模型融合，輸出預測結果；

步驟6：按預定義的各種評價指標對預測結果進行評價；

所述步驟2對樣本集的短期預測風速數據進行修正具體為，對于每一次預測的輸入特征，包括所預測前一天數據中的實際風速和所預測當天數據中短期預測的濕度、風速、風向、溫度、氣壓，每次輸入特征的尺寸為96×6；在將數據輸入到多層LSTM神經網絡時，將整個預測時間范圍內所有的輸入特征堆疊起來，形成三維張量，輸出結果為對應預測時刻的短期預測風速；每次預測輸出結果的尺寸為96×1。

2.根據權利要求1所述一種基于多通道卷積神經網絡和時間卷積網絡的短期風電功率預測方法，其特征在于，所述步驟1的相關特征包括短期預測濕度、短期預測氣壓、短期預測溫度、短期預測風向、短期預測風速、實際風速和實際功率；數據集的時間分辨率為每隔15分鐘記錄一次。

3.根據權利要求1所述一種基于多通道卷積神經網絡和時間卷積網絡的短期風電功率預測方法，其特征在于，所述步驟2多層LSTM神經網絡具體為，在LSTM層中，每個LSTM單元擁有一個單元狀態和一個隱藏狀態，并通過遺忘門、輸入門和輸出門來控制上述兩個狀態的變換；

具體的更新方式如下：h_t為隱藏狀態，c_t為單元狀態，i_t為輸入門，g_t為一個候選值，o_t為輸出門，f_t為忘記門，公式如下，

i_t＝σ(ω_i,xx_t+ω_i,hh_t-1+b_i) (1)

f_t＝σ(ω_f,xx_t+ω_f,hh_t-1+b_f) (2)

o_t＝σ(ω_o,xx_t+ω_o,hh_t-1+b_o) (3)

g_t＝tanh(ω_g,xx_t+ω_g,hh_t-1+b_g) (4)

式中：ω為權值矩陣；x_t為t時刻的輸入；h_t-1為上一時刻的輸出；σ為激活函數，b為偏置向量；

在當前時刻數據輸入后，前一個時刻的單元狀態c_t-1會進行更新產生當前單元狀態c_t，單元狀態c_t的更新公式(5)為:

c_t＝f_tc_t-1+i_tg_t (5)

最后輸出y_t如下為：

y_t＝h_t＝o_t×tanh(c_t) (6)

將多個LSTM層堆疊起來，形成多層LSTM神經網絡。