← 返回列表
海上风电短期功率预测方法、装置、设备及存储介质
申请人信息
- 申请人:河海大学
- 申请人地址:210098 江苏省南京市鼓楼区西康路1号
- 发明人: 河海大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 海上风电短期功率预测方法、装置、设备及存储介质 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311593455.4 |
| 申请日 | 2023/11/24 |
| 公告号 | CN117390967A |
| 公开日 | 2024/1/12 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 河海大学 |
| 发明人 | 孙晓荣; 胡志涛; 潘学萍; 郭金鹏; 陈臣鹏; 仇凯 |
| 地址 | 江苏省南京市开发区佛城西路8号 |
摘要文本
专利查询网 本发明涉及风力发电技术领域,尤其涉及一种海上风电短期功率预测方法、装置、设备及存储介质,包括:采集风机机群的外部环境与运行数据;将外部环境与运行数据作为聚类因素,建立分组特征矩阵,输入到高斯混合模型中,通过寻找最小贝叶斯信息准则值,确定分组结果;构建基于条件生成对抗网络的功率预测模型,采用循环神经网络作为生成器网络,在其目标函数中增加损失函数,并以一维卷积神经网络构造功率模型的内部结构;以一维随机噪声向量、预测日每个子机群的外部环境作为模型输入,预测日各机群实际的运行数据作为输出,对功率预测模型进行训练;使用功率预测模型对各机群分别进行日前风电功率预测,并得到整个风电场的功率预测结果。
专利主权项内容
1.一种海上风电短期功率预测方法,其特征在于,包括如下步骤:采集海上风电场中各风机机群的外部环境与运行数据,并进行预处理;将预处理后的所述外部环境与运行数据作为聚类因素,建立分组特征矩阵,输入到高斯混合模型中,通过寻找最小贝叶斯信息准则值,确定最佳分组结果;构建基于条件生成对抗网络的海上风电功率预测模型,采用循环神经网络作为生成器网络,在其目标函数中增加损失函数,并以一维卷积神经网络构造所述功率模型的内部结构;以一个一维随机噪声向量、预测日每个子机群各小时的外部环境作为模型输入,预测日各机群实际的运行数据作为输出,对所述功率预测模型进行训练;使用训练后的所述功率预测模型对各机群分别进行日前风电功率预测,并得到预测日各时刻整个风电场的功率预测结果。