[发明专利]风速预测方法、装置以及存储介质

说明书

本申请实施例公开了一种风速预测方法，用于对区域的短期未来风速进行预测。本申请实施例方法包括：获取当前气象观测数据，所述当前气象观测数据包括：当前风速数据以及至少一种当前其他气象数据；获取预训练的风速预测模型，所述风速预测模型包括三维卷积神经网络和长短期记忆网络，所述长短期记忆网络由历史气象观测数据训练得到，所述历史气象观测数据包括：历史风速数据和至少一种历史其他气象数据；使用所述三维卷积神经网络提取所述当前气象观测数据的特征参数；使用所述长短期记忆网络根据所述特征参数进行拟合运算，输出预测的风速数据。

技术领域

本申请实施例涉及气象领域，具体涉及一种风速预测方法、装置以及存储介质。

背景技术

风能作为一种清洁、无污染的新能源，已经受到世界各国的广泛关注。风是没有公害的能源之一，而且取之不尽，用之不竭，对于缺水、缺燃料和交通不便的沿海岛屿、草原牧区、山区和高原地带，因地制宜地利用风力发电，非常适合，大有可为。

但是风电的发电功率与风电场的风速密切相关，风速的不确定性和间歇性对风力发电也有很大影响，因此，准确预测风速对风电场运行和规划至关重要。准确的风速预测，有利于电力调度部门充分利用风电场装机容量、降低风电成本并提高风电效率。因此，目前需要一种技术方案，实现对风速的准确预测。

发明内容

本申请实施例提供了风速预测方法和装置，可以对短期的风速进行较为准确的预测，帮助风电场进行功率预测和并网。

本申请实施例第一方面提供了一种风速预测方法，本方法结合了三维卷积神经网络和长短期预测网络，可以对区域风速进行短期预测，包括：

获取当前气象观测数据，所述当前气象观测数据包括：当前风速数据以及至少一种当前其他气象数据；

获取预训练的风速预测模型，所述风速预测模型包括三维卷积神经网络和长短期记忆网络，所述长短期记忆网络由历史气象观测数据训练得到，所述历史气象观测数据包括：历史风速数据和至少一种历史其他气象数据；

使用所述三维卷积神经网络提取所述当前气象观测数据的特征参数；

使用所述长短期记忆网络根据所述特征参数进行拟合运算，输出预测的风速数据。

基于前述的风速预测方法，所述方法还包括：对所述长短期记忆网络进行训练；其中所述对长短期记忆网络进行训练，包括：

获取按照时间先后顺序采集的多组历史气象观测数据；

使用所述三维卷积神经网络提取每一组所述历史气象观测数据的特征参数；

按照所述时间先后顺序将每一组所述历史气象观测数据的特征参数输入长短期记忆网络，以训练所述长短期记忆网络。

基于前述的风速预测方法，所述方法还包括：

初始化所述三维卷积网络的卷积核参数。

基于前述的风速预测方法，所述方法还包括：

确定目标时间点；其中所述目标时间点与当前气象观测数据的采集时间点之间间隔的时间长度为，用于训练所述长短期记忆网络的多组历史气象观测数据的采集时间间隔；

将预测的风速数据确定为所述目标时间点的风速数据。

基于前述的风速预测方法，所述方法还包括：

获取所述预测的风速数据对应的真实风速数据；

根据所述预测的风速数据和所述真实风速数据，计算所述长短期记忆网络的损失函数；

通过反向传播算法最小化所述损失函数，以优化所述长短期记忆网络。