公开(公告)号：CN114912577B

公开(公告)日：2025-04-11

申请号：CN202210425233.0

申请日：2022-04-21

Applicant: 南京信息工程大学

Inventor： 季培远 ,  赵英男 ,  陈飞 ,  季冠岚

IPC: G06N3/045 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/082 ,  G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种结合VMD和注意力机制的风电场短期风速预测方法，首先获取目标站点的风速时空数据，根据原始数据集建立系列SWSM，对SWSM进行VMD风速分解，将CNN模型与注意力机制结合，针对各子SWSM，应用底层的SENet模型提取风速的空域特征；再用顶层的GRU模型进行风速时域特征的提取，并得到各自的预测结果；累加各个预测结果获得最终预测风速；本发明充分利用风速的时空相关性，结合VMD和注意力机制，改善了原始风速的不平稳特性，并利用注意力机制优化CNN‑GRU模型，使模型更容易捕获序列中长距离相互依赖的特征，有效提高了风速预测的精度，保障电力系统的可靠运行。

公开(公告)号：CN114912577A

公开(公告)日：2022-08-16

申请号：CN202210425233.0

申请日：2022-04-21

Applicant: 南京信息工程大学

Inventor： 季培远 ,  赵英男 ,  陈飞 ,  季冠岚

IPC: G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种结合VMD和注意力机制的风电场短期风速预测方法，首先获取目标站点的风速时空数据，根据原始数据集建立系列SWSM，对SWSM进行VMD风速分解，将CNN模型与注意力机制结合，针对各子SWSM，应用底层的SENet模型提取风速的空域特征；再用顶层的GRU模型进行风速时域特征的提取，并得到各自的预测结果；累加各个预测结果获得最终预测风速；本发明充分利用风速的时空相关性，结合VMD和注意力机制，改善了原始风速的不平稳特性，并利用注意力机制优化CNN‑GRU模型，使模型更容易捕获序列中长距离相互依赖的特征，有效提高了风速预测的精度，保障电力系统的可靠运行。