← 返回列表
基于自适应焦点损失的海上风电天气事件辨识方法和装置
申请人信息
- 申请人:国网江苏省电力有限公司; 河海大学
- 申请人地址:210000 江苏省南京市上海路215号
- 发明人: 国网江苏省电力有限公司; 河海大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于自适应焦点损失的海上风电天气事件辨识方法和装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311535592.2 |
| 申请日 | 2023/11/17 |
| 公告号 | CN117633456A |
| 公开日 | 2024/3/1 |
| IPC主分类号 | G06F18/20 |
| 权利人 | 国网江苏省电力有限公司; 河海大学 |
| 发明人 | 戴强晟; 毛莺池; 杜云龙; 汤剑松; 霍雪松; 戚荣志; 荣毅; 朱天昊 |
| 地址 | 江苏省南京市上海路215号; 江苏省南京市江宁区佛城西路8号 |
摘要文本
本发明公开一种基于自适应焦点损失的海上风电天气事件辨识方法和装置，收集海上风电场的基本数据和天气事件数据，以及对这些数据进行清洗和编码。根据风电场的特定属性和天气事件表现来构建一个辨识模型，该模型能够准确地识别天气事件。利用WAFL功能来训练一个深度学习模型，该模型能够准确地识别和评估天气事件。根据深度学习模型的输出来解析和理解天气事件的辨识结果。本发明通过引入WAFL功能和深度学习技术，提高了天气事件辨识的准确性和效率。此外，本发明还能够更好地识别和关注那些对海上风电运营可能产生较大影响的天气事件，从而有助于实现更加有针对性和有效的预警和风险管理，减少了大量的人工成本和资源浪费。
专利主权项内容
1.一种基于自适应焦点损失的海上风电天气事件辨识方法，其特征在于，包括以下步骤：S1，数据采集与整合：搜集海上风电场的相关数据，构建数据集用于天气事件辨识模型的训练；S2，数据预处理与样本构建：对数据集执行数据清洗和交叉验证，构建时间序列样本集，包含多维度天气事件指标和历史天气事件记录；S3，特征工程：利用递归神经网络进行时间序列特征提取，应用主成分分析进行维度降低和特征选择；S4，深度神经网络模型构建：构建基于Encoder-Adaptive-Focal架构的深度神经网络模型作为海上风电天气事件辨识模型，并为海上风电天气事件辨识模型选择损失函数；S5，模型训练与优化：将S2得到的时间序列样本集划分为训练集和测试集，利用选择的损失函数进行模型训练和优化，得到训练和和优化后的天气事件辨识模型；S6，结果分析与解释：对所述天气事件辨识模型的输出进行分析，提取和解释天气事件的深层特征。