买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网江苏省电力有限公司电力科学研究院;国网江苏省电力有限公司;南京理工大学

摘要：本发明公布了一种融合三维卷积与轻量卷积门限单元的风电预测方法及系统，该方法将风电场的时空数据进行矩阵表征及多时间尺度划分，利用三维卷积网络和轻量卷积门限单元作为并行模块分别挖掘风机时空数据的短期波动和长期趋势特征，最后使用全连接层将多尺度特征进行融合，进行多机组风电功率预测。本发明利用多通道融合学习，能够充分捕获风机数据的时空关联特征，有效提高预测精度。

主权项：1.一种融合三维卷积与轻量卷积门限单元的风电预测方法，其特征在于，包括：将风电场机组时空数据划分为短期序列XS和中长期序列XL，所述风电场机组时空数据包括：内生属性数据和外部状态数据；所述内生属性数据包括切入风速，切出风速和控制策略矩阵；所述外部状态数据包括风电场机组功率，风电场风速和气象预报风速；所述序列表示为： 其中，短期序列XS表示以当前时间点t为基准，以1个采样单元为步长，向前依次取d个数据；中长期序列XL表示以当前时间点t为基准，以q个采样单元为步长，依次向前取c个数据；Xt表示时间点t的时空数据，表示t时刻第i个机组对象的第j维时空数据，N为风电场机组个数，M为风电场机组时空数据维度，T为短期序列和中长期序列中数据总数，满足T＝d+c；建立融合三维卷积与轻量卷积门限单元的风电预测模型，如下：采用两个三维卷积模块堆叠构建三维卷积网络，以短期序列XS为输入进行学习捕获时空特征；采用双层轻量卷积门限单元，以中长期序列XL为输入进行学习捕获时空特征；所述双层轻量卷积门限单元表示为： 其中，*表示卷积操作，表示哈达玛积，Rt、Zt、Ht和Ht'分别表示重置门、更新门、当前记忆状态和候选记忆状态，Ct为输入的三维张量即中长期序列XL，WHZ、WCR、WHR和WHH为相应的二维卷积核，BZ、BR和BH为相应偏置，σ为Sigmoid激活函数；采用全连接网络将输出的时空特征进行融合，最终得到完整的风电场机组风电功率预测结果；采集风电场机组历史时空数据训练所建立的风电预测模型；将实时风电场机组时空数据输入训练好的风电预测模型，得到风电场机组功率预测结果。

全文数据：

权利要求：

百度查询： 国网江苏省电力有限公司电力科学研究院 国网江苏省电力有限公司 南京理工大学 一种融合三维卷积与轻量卷积门限单元的风电预测方法及系统