[發明專利]一種多風場時空風速預測方法、裝置及電子設備

在審

• 申請號: 202011211309.7
• 申請日: 2020-11-03
• 公開（公告）號: CN112308322A
• 公開（公告）日: 2021-02-02
• 發明（設計）人: 周斌;鄭玲;黎燦兵;李雅凱;曹一家;張聰;李佳勇
• 申請（專利權）人: 華翔翔能科技股份有限公司;湖南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F30/27;G06N3/04;G06N3/08
• 代理公司: 長沙智勤知識產權代理事務所(普通合伙) 43254
• 代理人: 彭鳳琴

本發明實施例提供一種多風場時空風速預測方法、裝置及電子設備，方法包括：獲取目標區域內多個風場的風速空間矩陣，所述風速空間矩陣包括預設維數的時間維度以及預設維數的空間維度；通過預設的空間特征提取網絡，提取所述風速空間矩陣中不同時間維度的風速空間特征，所述風速空間特征包括所述預設維數的時間維度；通過預設的時間依賴捕獲網絡，捕獲預設時間段內各個所述風速空間特征之間的時間依賴關系，得到風速時空特征；通過預設的線性回歸網絡，對所述風速時空特征進行線性還原與回歸，輸出得到風速預測結果。通過有針對性、有區別地處理風速時空相關性，能夠充分捕獲風場風速的時空特征以獲取更準確的風速預測結果。

技術領域

本發明涉及數據處理領域，尤其涉及一種多風場時空風速預測方法、裝置及電子設備。

背景技術

由于風力發電能帶來良好的經濟效益和環境效益，近年來，風場的數量和規模大幅增長。對聚集在某一區域內多個風場的風速進行預測，能為系統運營商和管理者提供許多有價值的信息，有助于電網的調度優化及控制管理。目前大多數的研究都集中在單一風場風速的預測問題上。這些預測方法僅僅只考慮風速序列的時間相關性，即某一位置風速與其歷史序列之間的相互關系。實際上，風場通常聚集在一些風力資源豐富的區域，不同位置的風場風速時間序列之間存在交互影響。具體來說，在地理和氣象因素例如地形、氣壓和溫度等的影響下，一定區域內不同地點的風場的風速具有明顯的空間相關性。因此，通過在時間和空間尺度上共同捕捉風速的相關性來研究多個風場的時空風速預測問題具有重要意義。

某一風場風速的時間相關性可以從該風場的歷史風速時間序列中獲取，而由于地理因素的影響，風速的空間相關性需要結合周圍風場的風速信息進行研究。因此，風速的時間及空間特征需要被有針對性和差異化的方式提取，以實現準確的風速預測。而另一方面，來自多個風場大量的時空數據增加了預測模型的輸入變量以及需要被訓練的參數數量，從而增加了模型數據處理的復雜度。雖然目前已有與風速預測相關的研究將風速的空間相關性納入考慮范疇，但大多數時空風速預測模型通常不加區分地輸入不同位置風場采集的全部風速信息，不能充分提取隱含在原始風速數據中的空間相關性，使得風速預測結果的準確度不高。

發明內容

本發明實施例提供一種多風場時空風速預測方法，能夠通過有針對性、有區別地處理風速時空相關性，進而充分捕獲風場風速的時空特征以獲取更準確的風速預測結果。

第一方面，本發明實施例提供一種多風場時空風速預測方法，用于多風場的時空風速預測，包括：

獲取目標區域內多個風場的風速空間矩陣，所述風速空間矩陣包括預設維數的時間維度以及預設維數的空間維度；

通過預設的空間特征提取網絡，提取所述風速空間矩陣中不同時間維度的風速空間特征，所述風速空間特征包括所述預設維數的時間維度；

通過預設的時間依賴捕獲網絡，捕獲預設時間段內各個所述風速空間特征之間的時間依賴關系，得到風速時空特征；

通過預設的線性回歸網絡，對所述風速時空特征進行線性還原與回歸，輸出得到風速預測結果。

可選的，所述空間特征提取網絡包括卷積層與線性層，所述通過預設的空間特征提取網絡，提取所述風速空間矩陣中不同時間維度的風速空間特征的步驟具體包括：

通過所述卷積層，提取所述風速空間矩陣中不同時間維度的局部風速空間特征；

通過所述線性層，將所述局部風速空間特征進行線性展開，并將線性展開后的局部風速空間特征進行非線性變換，得到風速空間特征。

可選的，所述時間依賴捕獲網絡包括子膠囊層、動態路由層以及母膠囊層，所述子膠囊層包括與所述預設時間段的數量相同的子膠囊，所述動態路由層包括與所述子膠囊的數量對應的動態路由，所述母膠囊層包括與所述子膠囊的數量對應的母膠囊，其中，每個所述子膠囊通過一條動態路由與一個母膠囊連接。