首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

精细化风场的短期风速预测方法、系统及存储介质 

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南京供电分公司;国网江苏省电力有限公司电力科学研究院

摘要:本发明属于涉及一种精细化风场的短期风速预测方法、系统及存储介质,属于预测天气状态的技术领域。本发明对现有的预测递归神经网络PredRNN进行了改进,加入了残差结构,使得采用基于残差改进的预测递归神经网络建立风场的第一风速预测模型可以更好的挖掘数据之间的关系,解决了模型随着网络层数加深,在反向传播过程中,底层很容易发生梯度消失的问题,大大提升了风速预测模型的预测准确率。本发明将第一风速预测模型与现有的天气预报模式WRF进行融合,得到第二风速预测模型,结合了天气预报模式WRF在精细化风场的中后段风速预测的准确性和LSTM系列模型在精细化风场的前段风速预测的准确性;使得整个时段的精细化风场的风速预测均十分准确。

主权项:1.一种精细化风场的短期风速预测方法,涉及已有的天气预报模式WRF和存储有所有历史风场数据的数据库,其特征在于,包含以下步骤:步骤1:根据基于残差改进的预测递归神经网络,建立风场的第一风速预测模型;步骤2:设置数据采集周期T,根据所述数据采集周期T在所述数据库中连续进行N次数据采集,将采集得到的N个历史风场风速数据和N个历史风场风速数据对应的N个历史风场观察特征数据分别进行预处理;将预处理后的N个历史风场数据和N个历史风场观察特征数据收集起来形成历史风场数据集合A;步骤3:将所述历史风场数据集合A中的数据按照经验比例划分为训练集、测试集和验证集;将所述训练集、测试集和验证集代入所述第一风速预测模型中进行模型训练并完成模型训练;训练完成的第一风速预测模型以风场风速待预测时段之前的所述数据采集周期T内的风场风速数据和风场观察特征数据为输入,以待预测时段内的风场风速数据作为输出;步骤4:实时采集需要进行风场风速预测的时间段的开始时刻之前的所述数据采集周期T内的风场风速数据和风场观察特征数据;将实时采集的风场风速数据和风场观察特征数据代入训练完成的第一风速预测模型中即可得到需要进行风场风速预测的时间段内的风速数据。

全文数据:

权利要求:

百度查询: 国网江苏省电力有限公司南京供电分公司 国网江苏省电力有限公司电力科学研究院 精细化风场的短期风速预测方法、系统及存储介质

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。

相关技术
相关技术
相关技术
相关技术