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：国网吉林省电力有限公司吉林供电公司

摘要：基于混合注意力机制的发电场发电量预测方法和系统，属于新能源领域，本发明通过监测发电场的天气信息和发电量数据，以及周边区域的天气信息，应用基于时空注意力机制的LSTM方法进行时间序列处理，并将得到的空间注意力和时间注意力的输出进行融合作为DNN的输入，基于DNN的输出进行最终发电量的预测。对发电场天气信息和发电量数据的处理能够从发电场的运行特性和内部环境出发，提取出与发电量变化高度相关的特征；对周边区域天气数据的处理能够从大气环境交互关联和影响的特性出发，提取出影响发电量变化的相关特征；融合两类特征进行发电量的预测能够有效增加发电量预测模型的灵活性、鲁棒性、对动态环境的适应性和预测结果的准确性。

主权项：1.基于混合注意力机制的发电场发电量预测方法，其特征在于，包括：步骤一、收集发电场的历史天气数据、发电场周边区域的历史天气数据和发电量序列数据E；发电场的历史天气数据包括温度T1、湿度H1、风速W1、风向D1、日照强度I1、气压P1、天气类别C1和时间t1序列数据；发电场周边区域的历史天气数据包括温度T2、湿度H2、风速W2、风向D2、日照强度I2、气压P2、天气类别C2和时间t2序列数据；步骤二、对收集的数据进行预处理操作，去除异常值，补全缺失值，并进行标准化处理，得到两组时间序列X1，t和X2,t；第一组时间序列X1，t为发电场天气、时间和发电量数据，用于提取发电场天气状态对发电量影响的特征；第二组时间序列X2，t为发电场周边天气、时间和发电量数据，用于提取发电场周边区域天气状态对发电量影响的特征；步骤三、建立发电量预测模型，发电量预测模型的网络架构包含两个基于时空注意力机制的LSTM层和一个深度神经网络DNN层，并基于预处理后的数据对发电量预测模型进行训练和评估；将X1，t作为第一个基于时空注意力机制的LSTM层的输入，X2，t作为第二个基于时空注意力机制的LSTM层的输入，两个基于时空注意力机制的LSTM层，分别用于处理X1，t和X2,t；深度神经网络DNN层以两个基于时空注意力机制的LSTM层的注意力输出为输入进行发电量的预测，具体为：将两个基于时空注意力机制的LSTM层的注意力输出拼接成一个特征向量v融合＝concatv1，v2，并将v融合作为深度神经网络DNN层的输入特征向量，经深度神经网络DNN层处理后得到最终的发电量预测值y＝Wyv融合+by；其中，v1和v2分别为两个基于时空注意力机制的LSTM层的注意力输出，Wy和by分别为DNN的权重和偏置项；步骤四、使用训练后的发电量预测模型进行风能或太阳能发电场发电量预测。

全文数据：

权利要求：

百度查询： 国网吉林省电力有限公司吉林供电公司 基于混合注意力机制的发电场发电量预测方法和系统