[發明專利]一種風速預測方法、裝置、電子設備及可讀存儲介質

在審

• 申請號: 202210515916.5
• 申請日: 2022-05-12
• 公開（公告）號: CN115081677A
• 公開（公告）日: 2022-09-20
• 發明（設計）人: 孫單勛;崔雙雙;陳必茜;何婷
• 申請（專利權）人: 暨南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F30/27;G06F30/23;G06K9/62
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 陳慧華

本發明公開了一種風速預測方法、裝置、電子設備及可讀存儲介質，其中該方法包括：獲取固定點歷史值；基于固定點歷史值，通過納維斯托克斯方程構建物理驅動模型；獲取固定點實時值和移動點實時值；將固定點實時值、移動點實時值、固定點歷史值和權重因子進行歸一化處理得到數據驅動模型；根據物理驅動模型和數據驅動模型進行訓練過程，確定目標損失函數，進而根據目標損失函數訓練得到目標模型；根據目標模型對任意一點的風速進行預測，得到預測風速。本發明通過提出一種風速預測方法、裝置、電子設備及可讀存儲介質，以提高風速預測的速度和精準度，本發明可廣泛應用于風速預測領域。

技術領域

本發明涉及風速預測領域，尤其是一種風速預測方法、裝置、電子設備及可讀存儲介質。

背景技術

目前，常用的預測風速的方法還是數據統計模型方法和物理大氣模型方法。數據統計模型預測方法在風速信息的時間預測方面均表現出了比較好的效果。但是由于風速的測量數據來自于風電場內布置的風速傳感器，其布置在空間上是稀疏離散的，不能實現風場內風速信息的空間預測。物理預測模型雖然可在一定程度上保證結果的可靠性，但是在保證高準確率的同時對計算機的內存要求很高，如果需要采集大量的物理信息，在計算過程中會涉及大量的數值計算，應用在需要快速響應得到風速預測值的實時風速預測中時也會遇到一些困難。而現有的數據-物理信息并驅的預測模型的預測精度比較又低，因此，對于如何精準、快速預測風速還是一大難題。

發明內容

有鑒于此，本發明實施例提供一種風速預測方法、裝置、電子設備及可讀存儲介質。以實現風速在時空上的準確、快速的預測。

本發明的第一方面提供了一種風速預測方法，包括：獲取固定點歷史值，其中所述固定點歷史值包括歷史傳感時間、歷史傳感位置、歷史風速；基于所述固定點歷史值，通過納維斯托克斯方程構建物理驅動模型；獲取固定點實時值和移動點實時值，其中所述固定點實時值包括實時固定點傳感位置、實時固定點風速，所述移動點實時值包括實時移動點傳感位置、實時移動點風速；將所述固定點實時值、所述移動點實時值、所述固定點歷史值和權重因子進行歸一化處理得到數據驅動模型，其中所述權重因子根據選取的傳感器的類型而改變，所述傳感器用于獲取風的相關數值；根據所述物理驅動模型和所述數據驅動模型進行訓練過程，確定目標損失函數，進而根據所述目標損失函數訓練得到目標模型；根據所述目標模型對任意一點的風速進行預測，得到預測風速。

根據本發明的一些實施例，所述基于所述固定點歷史值，通過納維斯托克斯方程構建物理驅動模型，包括：通過求解納維斯托克斯方程構建風場，其中，所述風場用于表征任意點的瞬間風速；根據所述風場獲取任意點的風速與目標屬性的拓撲關系，利用拓撲關系將風速與目標屬性進行拓撲耦合得到物理驅動模型，其中，所述目標屬性包括壓強、溫度。

根據本發明的一些實施例，求解納維斯托克斯方程的方法包括：通過有限元分析法求解納維斯托克斯方程，利用納維斯托克斯方程的解獲取所述任意點的風速。

根據本發明的一些實施例，所述根據所述物理驅動模型和所述數據驅動模型進行訓練過程，確定目標損失函數，進而根據所述目標損失函數訓練得到目標模型，包括：對所述物理驅動模型進行訓練得到第一損失函數，其中，所述物理驅動模型的訓練過程滿足納維斯托克斯方程中的剩余項約束；對所述數據驅動模型進行訓練得到第二損失函數，其中,所述數據驅動模型的訓練過程同時擬合所有所述傳感器當中的實測數據；將所述第一損失函數和所述第二損失函數通過神經網絡模型進行結合得到目標損失函數。

根據本發明的一些實施例，所述將所述第一損失函數和所述第二損失函數通過神經網絡模型進行結合得到目標損失函數，包括：調整所述剩余項約束和所述實測數據，使得損失函數最小化作為目標損失函數。

根據本發明的一些實施例，所述根據所述目標模型對任意一點的風速進行預測，得到預測風速，包括：根據所述目標模型預測任意點的風速，獲取得到風速的損失值；確定所述損失值小于或等于第一閾值，則確定風速為預測風速，其中所述第一閾值為允許誤差的最大值。