[發(fā)明專利]一種基于組合模型的風(fēng)速預(yù)測方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110772591.4
• 申請日: 2021-07-08
• 公開（公告）號: CN113343590B
• 公開（公告）日: 2022-03-22
• 發(fā)明（設(shè)計(jì)）人: 王旭光;張可;蘇杰;任歡
• 申請（專利權(quán)）人: 華北電力大學(xué)（保定）
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F113/06;G06F119/02
• 代理公司: 北京高沃律師事務(wù)所 11569
• 代理人: 杜陽陽

1.一種基于組合模型的風(fēng)速預(yù)測方法，其特征在于，包括：

采集歷史風(fēng)速數(shù)據(jù)，構(gòu)建原始風(fēng)速數(shù)據(jù)集；

利用變分模態(tài)分解算法將所述原始風(fēng)速數(shù)據(jù)集的風(fēng)速時間序列分解為N個模態(tài)分量；所述N個模態(tài)分量包括K個固有模態(tài)分量和1個殘余分量；

將各個所述模態(tài)分量分別單獨(dú)輸入到預(yù)先訓(xùn)練好的改進(jìn)Transformer模型中進(jìn)行預(yù)測，得到所述固有模態(tài)分量的預(yù)測結(jié)果和所述殘余分量的預(yù)測結(jié)果；所述改進(jìn)Transformer模型包括輸入層、編碼層、解碼層和輸出層；所述輸入層由全連接神經(jīng)網(wǎng)絡(luò)層和位置編碼構(gòu)成；所述編碼層由n個完全相同的編碼器堆疊而成，各個編碼器之間采用多頭注意力機(jī)制、相加、歸一化以及前饋連接的方式實(shí)現(xiàn)編碼；所述解碼層由n個完全相同的解碼器堆疊而成，各個解碼器之間也采用多頭注意力機(jī)制、相加、歸一化以及前饋連接的方式進(jìn)行解碼；所述輸出層為全連接神經(jīng)網(wǎng)絡(luò)層；

將所述固有模態(tài)分量的預(yù)測結(jié)果和所述殘余分量的預(yù)測結(jié)果進(jìn)行疊加，得到最終的風(fēng)速預(yù)測結(jié)果。

2.根據(jù)權(quán)利要求1所述的風(fēng)速預(yù)測方法，其特征在于，所述采集歷史風(fēng)速數(shù)據(jù)，構(gòu)建原始風(fēng)速數(shù)據(jù)集，包括：

按照預(yù)設(shè)的采樣周期，對風(fēng)速待預(yù)測區(qū)域的所述歷史風(fēng)速數(shù)據(jù)進(jìn)行采樣，得到風(fēng)速采樣數(shù)據(jù)；

根據(jù)所述風(fēng)速采樣數(shù)據(jù)，構(gòu)建所述原始風(fēng)速數(shù)據(jù)集；所述原始風(fēng)速數(shù)據(jù)集包括所述風(fēng)速時間序列，所述風(fēng)速時間序列用于表征風(fēng)速-時間信息。

3.根據(jù)權(quán)利要求1所述的風(fēng)速預(yù)測方法，其特征在于，所述利用變分模態(tài)分解算法將所述原始風(fēng)速數(shù)據(jù)集的風(fēng)速時間序列分解為N個模態(tài)分量；所述N個模態(tài)分量包括K個固有模態(tài)分量和1個殘余分量，具體包括：

采用所述變分模態(tài)分解算法對所述原始風(fēng)速數(shù)據(jù)集的所述風(fēng)速時間序列進(jìn)行分解，得到N個所述模態(tài)分量；

N個所述模態(tài)分量等于K個所述固有模態(tài)分量和1個所述殘余分量的和；其中，K的取值采用觀察中心頻率法確定。

4.根據(jù)權(quán)利要求3所述的風(fēng)速預(yù)測方法，其特征在于，所述K的取值采用觀察中心頻率法確定具體包括：

在通過所述變分模態(tài)分解算法對所述風(fēng)速時間序列進(jìn)行分解的同時，將所述固有模態(tài)分量的數(shù)量K由小到大取值；

觀察分解后的各個所述固有模態(tài)分量的中心頻率是否存在重疊；若不存在重疊，則繼續(xù)使用所述變分模態(tài)分解算法對所述風(fēng)速時間序列進(jìn)行分解；若存在重疊，則將所述固有模態(tài)分量的數(shù)量K取值為上一次分解時的分解次數(shù)值。

5.根據(jù)權(quán)利要求1所述的風(fēng)速預(yù)測方法，其特征在于，所述將各個所述模態(tài)分量分別單獨(dú)輸入到預(yù)先訓(xùn)練好的改進(jìn)Transformer模型中進(jìn)行預(yù)測，得到所述固有模態(tài)分量的預(yù)測結(jié)果和所述殘余分量的預(yù)測結(jié)果，具體包括：

將各個所述模態(tài)分量單獨(dú)作為一個輸入，將其輸入至一個所述預(yù)先訓(xùn)練好的改進(jìn)Transformer模型中進(jìn)行單獨(dú)預(yù)測；

當(dāng)N個所述模態(tài)分量分別單獨(dú)預(yù)測完畢后，輸出N個所述模態(tài)分量的預(yù)測結(jié)果；N個所述模態(tài)分量的預(yù)測結(jié)果包括K個所述固有模態(tài)分量的預(yù)測結(jié)果和1個所述殘余分量的預(yù)測結(jié)果。

6.根據(jù)權(quán)利要求1所述的風(fēng)速預(yù)測方法，其特征在于，所述預(yù)先訓(xùn)練好的改進(jìn)Transformer模型的訓(xùn)練過程，具體包括：

將各個所述模態(tài)分量分別按照預(yù)設(shè)比例劃分為訓(xùn)練集和測試集；

將各個所述模態(tài)分量的所述訓(xùn)練集分別輸入至N個所述改進(jìn)Transfomer模型中進(jìn)行訓(xùn)練，并采用交叉驗(yàn)證法對N個所述改進(jìn)Transfomer模型進(jìn)行交叉驗(yàn)證，以確定所述改進(jìn)Transfomer模型的超參數(shù)；

訓(xùn)練完成后，保存所述改進(jìn)Transfomer模型；

將各個所述模態(tài)分量的所述測試集分別輸入至保存的所述改進(jìn)Transfomer模型中進(jìn)行測試和超參數(shù)評估，選擇最優(yōu)的改進(jìn)Transformer模型；

將所述最優(yōu)的改進(jìn)Transformer模型作為所述預(yù)先訓(xùn)練好的改進(jìn)Transformer模型。