公开(公告)号：CN114298446A

公开(公告)日：2022-04-08

申请号：CN202210235846.8

申请日：2022-03-11

Applicant: 南京工业大学

Inventor： 丁彦博 ,  窦迅 ,  罗海峰 ,  邓叶航

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06F30/27

Abstract: 本发明提供了一种基于数模双驱的风电功率预测方法、装置和存储介质，本发明利用MC‑LSTM网络首先提取历史气象数据和风电出力功率数据的非线性映射关系，搭建数字驱动模型，再利用TCN网络提取历史风机运行状态数据和风电出力功率数据的非线性映射关系，搭建物理驱动模型；最后利用全连接层将两种驱动方式的输出层相连接，并利用一个注意力机制层来提高输出预测图线的平滑度和精度。本发明提供的预测方法，高效利用了两种驱动模型，可以使其发挥各自优势，通过添加注意力机制环节，可以有效提取数据序列在时间上的特征，进一步强化预测的准确度和稳定性。

公开(公告)号：CN114298446B

公开(公告)日：2022-06-03

申请号：CN202210235846.8

申请日：2022-03-11

Applicant: 南京工业大学

Inventor： 丁彦博 ,  窦迅 ,  罗海峰 ,  邓叶航

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06F30/27

Abstract: 本发明提供了一种基于数模双驱的风电功率预测方法、装置和存储介质，本发明利用MC‑LSTM网络首先提取历史气象数据和风电出力功率数据的非线性映射关系，搭建数字驱动模型，再利用TCN网络提取历史风机运行状态数据和风电出力功率数据的非线性映射关系，搭建物理驱动模型；最后利用全连接层将两种驱动方式的输出层相连接，并利用一个注意力机制层来提高输出预测图线的平滑度和精度。本发明提供的预测方法，高效利用了两种驱动模型，可以使其发挥各自优势，通过添加注意力机制环节，可以有效提取数据序列在时间上的特征，进一步强化预测的准确度和稳定性。