[发明专利]基于卷积神经网络的风场稳定度预测方法及系统

权利要求书

1.一种基于卷积神经网络的风场稳定度预测方法，其特征在于，包括：

采集风场的风速时间序列及风向时间序列；

对采集到的风速时间序列及风向时间序列进行矢量化，得到矢量时间序列；

以预设长度的时间窗口内的平均矢量为基准，将矢量时间序列区分为稳定矢量时间序列及非稳定矢量时间序列；

利用稳定矢量时间序列及非稳定矢量时间序列，训练卷积神经网络；

利用训练好的卷积神经网络进行风场稳定度预测。

2.根据权利要求1所述的基于卷积神经网络的风场稳定度预测方法，其特征在于，采集风场的风速时间序列及风向时间序列，包括：

通过设置在风场中的超声速风速仪，采集风速时间序列及风向时间序列。

3.根据权利要求1所述的基于卷积神经网络的风场稳定度预测方法，其特征在于，对采集到的风速时间序列及风向时间序列进行矢量化，得到矢量时间序列，包括：

通过如下公式计算矢量时间序列：

μ＝V*sinD

v＝V*cosD

其中，V代表风速绝对值大小，D代表风向，u、v分别代表东西向和南北向的风速大小。

4.根据权利要求1所述的基于卷积神经网络的风场稳定度预测方法，其特征在于，以预设长度的时间窗口内的平均矢量为基准，将矢量时间序列区分为稳定矢量时间序列及非稳定矢量时间序列，包括：

计算预设长度的时间窗口内的平均矢量；

根据预设窗口内的矢量与平均矢量之间的差值是否超出预设阈值，判断当前矢量是否稳定。

5.根据权利要求4所述的基于卷积神经网络的风场稳定度预测方法，其特征在于，计算预设长度的时间窗口内的平均矢量，包括：

根据如下公式计算平均矢量：

v_t-i为时刻t-i测得的风矢量

其中，表示平均矢量。

6.根据权利要求4所述的基于卷积神经网络的风场稳定度预测方法，其特征在于，根据预设窗口内的矢量与平均矢量之间的差值是否超出预设阈值，判断当前矢量是否稳定，包括：

根据如下公式判断是否稳定：

其中，表示平均矢量。

7.根据权利要求1所述的基于卷积神经网络的风场稳定度预测方法，其特征在于，卷积神经网络包括：一层输入层、一层卷积层、一层池化层，和两层全连接层。

8.根据权利要求1所述的基于卷积神经网络的风场稳定度预测方法，其特征在于，输入为15*2的矩阵，卷积宽度设置为3,5,15，每个卷积宽度对应8组卷积核。

9.根据权利要求1所述的基于卷积神经网络的风场稳定度预测方法，其特征在于，还包括：

在利用训练好的卷积神经网络进行风场稳定度预测之前，利用测试矢量时间序列，对卷积神经网络的预测准确性进行评估。

10.一种基于卷积神经网络的风场稳定度预测系统，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现根据权利要求1至9任意一项所述的基于卷积神经网络的风场稳定度预测方法。