CN119539517A 基于多源时空注意力的风电功率预测特征提取与融合方法 (国网河南省电力公司南阳供电公司)_第1页
CN119539517A 基于多源时空注意力的风电功率预测特征提取与融合方法 (国网河南省电力公司南阳供电公司)_第2页
CN119539517A 基于多源时空注意力的风电功率预测特征提取与融合方法 (国网河南省电力公司南阳供电公司)_第3页
CN119539517A 基于多源时空注意力的风电功率预测特征提取与融合方法 (国网河南省电力公司南阳供电公司)_第4页
CN119539517A 基于多源时空注意力的风电功率预测特征提取与融合方法 (国网河南省电力公司南阳供电公司)_第5页
已阅读5页,还剩22页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于多源时空注意力的风电功率预测特征本发明涉及基于多源时空注意力的风电功离散型NWP数据进行优化处理,并通过卡尔曼滤型,通过空间和时间注意力的叠加进行特征提22.如权利要求1所述的基于多源时空注意力的风电功率预测特征提取与融合方法,其象要素排序的公式为:式中,m表示特征组合中当前选3.如权利要求2所述的基于多源时空注意力的风电功率预测特征提取与融合方法,其dS4.如权利要求3所述的基于多源时空注意力的风电功率预测特征提取与融合方法,其特征在于:所述步骤1中的对于优选和标准化的气象数据进行卡尔曼滤波修正方法,具体为:通过对t_1时刻状态估计值可以预测出当前t时刻状态估计值即可得到当前t时3t5.如权利要求1所述的基于多源时空注意力的风电功率预测特征提取与融合方法,其中,x"eR"这是第r层空间_时间模块的输入,N表示节点的数量,Cr_1表示第r_1层-hi-Tche式中,x出"eR"这是第r层空间_时间模块的输入;v,b,eR'"分别表示可学习的6.如权利要求5所述的基于多源时空注意力的风电功率预测特征提取与融合方法,其=gθ7.如权利要求6所述的基于多源时空注意力的风电功率预测特征提取与融合方法,其8.如权利要求1所述的基于多源时空注意力的风电功率预测特征提取与融合方法,其4Encoder模型,对数据进行多源时空注意力图卷积算法的集群风电功率预测特征提取与交9.如权利要求1所述的基于多源时空注意力的风电功率预测特征提取与融合方法,其5取融合最优特征的基于多源时空注意力的风电功率预测特征提取与融合方法是非常有必[0003]本发明的目的是为了克服现有技术的不足,而提供一种利用嵌入表征与融合方6[0009]所述步骤1中的mRMR优选原则方法具体为:利用增量搜寻法获得满足近似最优气象要素排序的公式为:式中,m表示特征组合中当前选[0010]所述步骤1中的风向的标准化方法具体为:特征维度分解进行提取,包括提取风dS通过对t-1时刻状态估计值可以预测出当前t时刻状态估计值即可得到当前t时刻的t7"eR"EeR--表示动态计算的时间关联矩阵,每个元素Eiθ*Gx=gθ(L)x=gθ[0014]所述步骤2中的时间一维卷积的交叉融合方法,具体为:为了得到最优的时空特[0015]所述步骤3中的TransformerEncoder模型中的编码层使用多头自注意力机制以Encoder模型,对数据进行多源时空注意力图卷积算法的集群风电功率预测特征提取与交8积网络(GCN)和注意力机制(AttentionMechanism)的优势,能够有效提取和融合多源气象k,t)进行优化处理(此处n为风电场站数、k为单风电场的特征维数、t为时间节点),采用mRMR最大相关_最小冗余原则优选出相关性高且冗余性低的输入气象参数组合,并进行标[0030]本发明为基于多源时空注意力的风电功率预测特征提取基于多源时空注意力图卷积算法的集群风电功率预测方法,结合了图卷积网络(GCN)和注9意力机制(AttentionMechanism)的优势,能够有效提取和融合多源气象数据的时空特征,SC分别表刻NWP风速输出为vt,观测风速状态变量为et利用非线性方程来描述vt和et之间的函数关qt表示在t时刻加入均值为0的观测噪声;vt表uzeR""、U,eR"均为可学习参数矩阵;个元素Ei,j表示时间片i和时间片j之间的关联强度;E'eR--L是图拉普[0048]在本实施例中,TransformerEncoder模型中的编码层使用多头自注意力机制以Encoder模型,对数据进行多源时空注意力图卷积算法的集群风电功率预测特征提取与交v[0055]本发明为基于多源时空注意力的风电功率预测特征提取基于多源时空注意力图卷积算法的集群风电功率预测方法,结合了图卷积网络(GCN)和注意力机制(AttentionMechanism)的优势,能够

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论