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：晶科电力科技股份有限公司;江西晶科电力设计有限公司

摘要：本发明公开了一种基于多源时空数据深度融合的风电场短期观测风数据订正方法。该方法，首先对风电场观测塔风速、风向时间序列进行采集，并收集风电场所在区域的再分析数据、周边测风塔数据等多源数据；然后对风电场观测塔风速、风向进行格式检验、完整性检验、合理性检验等质量控制，对疑误数据进行标记；接着运用主成分分析法PCA分析风电场测风塔数据与周边多源数据，得到累计贡献率的排序，并选取前一定数量多源数据作为测风塔数据的多时空解释变量特征多源数据；基于时间卷积神经网络TCN和双向长短时记忆神经网络BiLSTM构造特征多源数据‑测风塔同期数据的深度学习模型PTL深度模型；最后，输入疑误时段的特征多源数据进PTL模型，获取该时段的订正值。该方法在分析测风塔数据与区域多源数据的主要贡献率PCA的基础上构造并训练TCN和BiLSTM深度融合模型，降低特征冗余，提高训练速度和泛化性能，可提升订正数据的准确率。

主权项：1.一种基于多源时空数据深度融合的风电场短期观测风数据订正方法，其特征在于：包括以下步骤：步骤1：记测风塔观测风数据为D1×n＝[d1d2…dn]，n为测风塔观测数据的样本个数，dn表示第n个观测风要素值；收集测风塔周边多源同期数据集记为n为多源同期数据的样本个数，k为多源数据的个数，mkn表示第k个多源数据的第n个风要素值；步骤2：对步骤1中测风塔观测风数据D1×n进行格式审核、完整性审核、合理性审核及一致性审核，并获得疑误数据的标记w为标记疑误的样本个数且满足w≤30％×n，表示第w个疑误数据值；步骤3：对步骤1中Mk×n进行主成分分析；首先，对数据集Mk×n进行标准化处理，得到无量纲数据集然后，计算相关矩阵R、及对应的特征值λi且满足λ1≥λ2≥…≥λk和特征向量Vn×i；接着，计算方差贡献率μi和累积方差贡献率最后，基于满足的前p个主成分分量构造主成分样本集其中i＝1,2,…,k，p≤k；步骤4：对步骤1中D1×n和步骤3中按照一定的对应原则，构造TCN-BiLSTM深度学习模型的样本集{In×p,On×1}；训练集和测试集记为{I′n-w×p,O′n-w×1}，按照对应原则，且满足进行构造；疑误样本集记为{I″w×p,O″w×1}，按照对应原则，且满足进行构造；步骤5：选取步骤4中{I′n-w×p,O′n-w×1}输入到TCN-BiLSTM深度学习神经网络，记为TB，进行特征提取及学习，可获得模型TB·＝ψI′n-w×p,O′n-w×1，ψ·为TCN-BiLSTM网络的显性表示；步骤6：将疑误样本集{I″w×p,O″w×1}中的Iw×p输入至步骤5中获得的模型中，则疑误观测值的订正值为

全文数据：

权利要求：

百度查询： 晶科电力科技股份有限公司 江西晶科电力设计有限公司 一种基于多源时空数据深度融合的风电场短期观测风数据订正方法