申请/专利权人：齐鲁工业大学(山东省科学院)

申请日：2024-06-05

公开（公告）日：2024-07-05

公开（公告）号：CN118300102A

主分类号：H02J3/00

分类号：H02J3/00;H02J3/38;G06F30/17;G06F30/27;G06F30/28;G06N3/0442;G06N3/084;G06N5/04;G06F111/04;G06F111/10;G06F113/06;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明涉及工业过程软测量建模技术领域，尤其是提供了基于机理和数据混合驱动神经网络预测风电功率的方法。该方法包括构造风电功率曲线的机理模型；在GRU模型的输出层增加激活函数LeakyReLU，对输出进行约束，获得改进后的GRU模型；将机理模型和改进后的GRU模型进行结合，构建混合驱动神经网络模型；通过光滑处理后的数据对混合驱动神经网络模型进行训练，获得预测的风电功率值，该方法克服了基于单一数据驱动模型或机理模型构建软测量算法的缺点，解决了测量数据中存在异常值及估计结果中存在不符合物理规律的估计值的问题，对风电功率进行了精准、鲁棒地估计，保证了电力系统的稳定性、可靠性以及降低了运行成本。

主权项：1.一种基于机理和数据混合驱动神经网络预测风电功率的方法，其特征在于，所述方法包括：步骤S1、采集风力发电过程中的真实数据，并利用真实数据建立混合驱动神经网络模型的历史样本数据库；步骤S2、对步骤S1中历史样本数据库的数据进行分析和处理，剔除含有缺失值的辅助变量；随后对数据进行光滑处理，获得光滑处理后的数据；步骤S3、构造风电功率曲线的机理模型，用于表示风速与风电功率之间的非线性关系；所述机理模型将轮毂高度处的风速作为输入，计算出对应风电功率，其输入和输出的关系表示为： ；其中，表示轮毂高度处的风速；表示切入风速；表示额定风速；表示切出风速；表示不同风速条件下产生的风电功率；表示风能利用系数；为风机叶片扫风面积；为空气密度；表示额定功率；步骤S4、在标准门控循环单元GRU的输出层增加激活函数LeakyReLU，对输出进行约束，获得改进后的GRU模型；步骤S5、将步骤S3中机理模型和步骤S4中改进后的GRU模型进行结合，构建混合驱动神经网络模型；通过步骤S2中光滑处理后的数据对混合驱动神经网络模型进行训练，获得预测的风电功率值。

全文数据：

权利要求：

百度查询： 齐鲁工业大学(山东省科学院) 基于机理和数据混合驱动神经网络预测风电功率的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD