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：中国农业大学

摘要：本发明公开了基于高频更新数值天气预报的日内风电功率预测方法，首先获取日内高频更新的网格化数值天气预报NWP数据，构造NWP样本数据集和历史功率样本数据集；采用两阶段自注意力机制分别从空间和时间维度对原始高维NWP数据进行降维并实现多套NWP的综合利用；然后，基于门控循环单元构造编码器和解码器结构；最后，结合两阶段自注意力机制建立基于网格化高频更新NWP的日内风电功率预测模型，使用构造的NWP和历史功率样本数据训练建立的预测模型；并基于此模型输出日内风电功率预测值。本发明将预测模型的NWP来源扩展至网格化且日内高频更新的多套NWP数据，为长时间尺度的预测提供更多气象预报信息提升了预测精度。

主权项：1.基于高频更新数值天气预报的日内风电功率预测方法，其特征在于，包括以下步骤：步骤1、获取日内高频更新的网格化数值天气预报NWP数据，对NWP数据进行预处理，获得预处理NWP数据，通过随时间前向移动的滑动窗口分别构造用于日内风电功率预测的网格化高频更新NWP样本数据集和历史功率样本数据集；步骤2、基于两阶段自注意力机制分别从空间和时间维度融合步骤1获得的网格化高频更新NWP样本数据集，得到用于日内风电功率预测的降维NWP矩阵；所述两阶段自注意力机制为第一阶段的空间注意力机制和第二阶段的时间注意力机制；所述第一阶段的空间注意力机制在空间网格化维度利用自注意力机制对步骤1获得的NWP样本的NWP数据进行自适应融合，获得中间NWP数据；所述第二阶段的时间注意力机制在高频更新维度利用自注意力机制对所述中间NWP数据进行自适应融合；对NWP样本的每个时间断面重复上述两阶段自注意力融合操作，最终得到包含网格化高频更新的多套NWP数据信息的降维NWP序列数据；步骤3、采用两套参数独立的门控循环单元GRU作为编码器和解码器分别表征历史实测功率和步骤2获得的降维NWP矩阵的时序关联特性，编码器和解码器之间传递隐藏状态信息，历史实测功率和降维NWP序列之间交互，建立基于网格化高频更新数值天气预报的日内风电功率预测模型；步骤4、使用步骤1构造的NWP样本数据集和历史功率样本数据集训练步骤3建立的预测模型，得到训练完成的预测模型F*；步骤5、预测时刻执行步骤4的预测模型前向传播，输出该时刻之后0-24h的风电功率预测值。

全文数据：

权利要求：

百度查询： 中国农业大学 基于高频更新数值天气预报的日内风电功率预测方法