一种基于时空相关性的风电场短期风速预测方法

    公开(公告)号:CN114386666A

    公开(公告)日:2022-04-22

    申请号:CN202111502985.4

    申请日:2021-12-09

    Abstract: 本发明公开了一种基于时空相关性的风电场短期风速预测方法,该方法基于VMD和混合深度学习模型CNN‑Attention‑LSTM,首先获取目标站点风速的时空数据,经过数据清理后进行VMD分解,获得较为稳定的IMF(固有模态函数)分量;进一步地,针对各IMF分量,应用底层的CNN模型抽取风速的空域特征;再应用项层LSTM模型进行风速时域特征的提取并得到各分量的预测结果,同时融合通道注意力机制;最后进行合并获得最终预测风速。本发明充分利用风速的时空相关性,结合VMD和CNN‑Attention‑LSTM网络,改善原始风速的不平稳特性,有效提高风速预测精度,可以优化包含风电场的电网调度性能,保障电力系统的可靠、经济运行。

Patent Agency Ranking