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：太原科技大学

摘要：本发明公开了一种基于多源数据气象因素的风功率预测系统，其技术方案要点是，包括：多源数据采集模块，用于采集多种类型的数据，包括气象数据如温度、湿度、风速、风向、气压、历史风功率数据、地理信息数据和环境数据；数据预处理模块，包括：数据清洗单元，用于去除采集数据中的噪声和错误数据，包括噪声过滤算法；缺失值处理单元，用于填补缺失值；异常值检测与处理单元；灰色关联分析模块；改进奇异值分析模块；本发明通过精确的数据分解、特征提取与融合、以及注意力机制的应用，系统能够处理复杂的时序数据并提供高质量的预测结果，这种综合性的预测系统特别适用于需要高精度风功率预测的风电场运营管理。

主权项：1.一种基于多源数据气象因素的风功率预测系统，其特征在于，包括：1.1多源数据采集模块，用于采集多种类型的数据，包括气象数据如温度、湿度、风速、风向、气压、历史风功率数据、地理信息数据和环境数据；1.2数据预处理模块，包括：数据清洗单元，用于去除采集数据中的噪声和错误数据，包括噪声过滤算法；缺失值处理单元，用于填补缺失值；异常值检测与处理单元，用于检测并处理异常值；数据标准化单元，用于将数据归一化处理；1.3灰色关联分析模块，用于计算各气象因子与风功率的关联度，基于灰色关联分析筛选出对风功率影响较大的气象因子；1.4改进奇异谱分析模块，利用奇异值分解SVD技术提取数据中的主要趋势和变化模式，并去除噪声成分；1.5变分模态分解VMD模块，采用自适应分解算法对复杂数据进行二次分解，提取具有物理意义的模态信号，降低模态堆叠现象；在二次分解过程中，测试不同k值选取合适分解维数，以确保最终分解重构的子列呈现出平稳和周期性趋势；1.6风功率预测模型模块，包括双通道输入的DCCGA-ACNN神经网络组合模型，其中：DCCGADualChannelCNNandGRUwithAttentionMechanism子模块，包括：双通道卷积神经网络CNN用于提取多源数据间的空间特征；与门控循环单元GRU用于提取时间序列数据的时间关联特征；注意力机制用于增强模型对重要时序和空间特征的关注；ACNNAttentionConvolutionalNeuralNetwork子模块，包括：通过全局注意力机制对各混合时空特征进行深入挖掘；横向融合和纵向融合操作，用于整合空间和时间特征；全连接层用于生成最终的风功率预测结果；1.7模型集成与优化模块，包括贝叶斯优化方法，用于自动调节模型超参数，以提高预测模型的性能；1.8预测结果输出模块，提供的预测结果包括置信区间，并能够生成相关的统计分析报告；1.9系统自学习与更新模块，能够定期更新预测模型，基于最新的采集数据重新训练模型，并更新参数，以适应环境变化对风功率的影响。

全文数据：

权利要求：

百度查询： 太原科技大学 一种基于多源数据气象因素的风功率预测系统