(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111480130.6 (22)申请日 2021.12.07 (65)同一申请的已公布的文献号 申请公布号 CN 113887843 A (43)申请公布日 2022.01.04 (73)专利权人 中国电力科 学研究院有限公司 地址 100192 北京市海淀区清河小营东路 15号 (72)发明人 刘纯　王勃　冯双磊　车建峰　 裴岩　汪步惟　王铮　王钊　 赵艳青　姜文玲　张菲　靳双龙　 刘晓琳　宋宗鹏　胡菊　马振强　 滑申冰　(74)专利代理 机构 北京安博达知识产权代理有 限公司 1 1271 专利代理师 徐国文 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 US 2014195159 A1,2014.07.10 CN 112348292 A,2021.02.09 审查员 马春黎 (54)发明名称 一种风电场输出功率的群体预测方法和系 统 (57)摘要 本发明提供了一种风电场输出功率的群体 预测方法和系统， 包括： 将待预测时刻多个风电 场站的数值天气预报数据按照预设格式转化为 气象图数据； 将气象图数据输入 预先构建的图卷 积预测模型， 得到功率图数据作为待预测时刻多 个风电场站的输出功率预测值； 其中， 气象图数 据包括各风电场站的气象参数、 测量参数以及不 同风电场站间的联接权重， 图卷积预测模型是采 用多个风电场站的历史气象图数据和历史功率 图数据训练得到的； 本发明仅需建立一个图卷积 预测模型即可得到包括多个风电场站功率的多 条预测曲线， 在大规模风电功率预测场景中， 仅 需训练、 部署、 维护一个模型即可实现多个风电 场多条预测曲线的预测， 可降低模型训练、 模型 部署、 模型维护的成本 。 权利要求书3页 说明书8页 附图2页 CN 113887843 B 2022.08.16 CN 113887843 B 1.一种风电场输出功率的群 体预测方法， 其特 征在于， 包括： 将待预测时刻多个风电场站的数值天气预报数据按照预设格式转 化为气象图数据； 将所述气象图数据输入预先构建的图卷积预测模型， 得到功率图数据作为待预测时刻 多个风电场站的输出功率预测值； 其中， 所述气象图数据包括各风电场站 的气象参数、 测量参数以及不同风电场站间的 联接权重， 所述图卷积预测模型是采用多个风电场站的历史气象图数据和历史功率图数据 训练得到的； 所述图卷积预测模型的构建， 包括： 按照预设格式将多个风电场站历史时刻的数值天气预报数据转化为历史气象图数据， 并将对应时刻多个风电场站的功率数据转换为历史功率图数据； 以所述历史气象图数据为输入数据， 以所述历史功率图数据为输出数据， 对图卷积模 型结构中不同层之间的映射权重和不同节点间的联接权重进行训练， 得到图卷积预测模 型； 其中， 图卷积模型 结构中的各节点分别对应各风电场站； 所述图卷积预测模型中， 输入数据与输出 数据间的映射关系如下式所示： 式中， Y表示输出数据， X表示输入数据， ReLu()表示线性整流函数， softmax()表示归 一化指数函数， W(0)表示图卷积模型结构中输入层到隐含层的映射权重， W(1)表示卷积模型 结构中隐含层到 输出层的映射权 重， 表示广义邻接矩阵； 广义邻接矩阵 的计算式如下： 式中， IN表示单位矩阵， A 表示不同节点间的联接 权重构成的邻接矩阵； 所述按照预设格式将多个风电场站历史时刻的数值天气预报数据转化为历史气象图 数据， 包括： 对每个风电场站， 分别采用交叉验证方式， 选择所述风电场站功率预测性能最佳的气 象参数组合； 以所有风电场站的气象参数组合的并集作为风电场站的气象参数， 以各风电场站不同 层高的测风塔历史测量数据作为风电场站的测量参数， 分别以各风电场站的气象参数和测 量参数构成历史气象图数据中对应节点的属性； 根据各风电场站间的地理位置为不同风电场站间的联接权重赋予初值， 并将不同风电 场站间的联接 权重作为历史气象图数据中对应节点间的联接 权重； 以对应各风电场站的节点以及不同节点间的联接 权重构成历史气象图数据； 所述将待预测时刻多个风电场站的数值天气预报数据按照预设格式转化为气象图数 据， 包括： 根据气象参数从待预测时刻多个风电场站 的数值天气预报数据中抽取各风电场站的 气象数据， 并将所述气象数据结合各风电场站的测量参数构成气象图数据中各节点的属 性； 以训练获得的不同节点间的联接权重作为气象图数据中不同节点间的联接权重， 结合 各节点的属性， 构成气象图数据。权　利　要　求　书 1/3 页 2 CN 113887843 B 22.如权利要求1所述的方法， 其特征在于， 所述数值天气预报数据包括： 不同层高的风 速、 风向、 温度、 湿度和压力。 3.一种风电场输出功率的群体预测系统， 其特征在于， 包括： 输入转化模块和预测模 块； 所述输入转化模块， 用于将待预测时刻多个风电场站的数值天气预报数据按照预设格 式转化为气象图数据； 所述预测模块， 用于将所述气象图数据输入预先构建的图卷积预测模型， 得到功率图 数据作为待预测时刻多个风电场站的输出功率预测值； 其中， 所述气象图数据包括各风电场站 的气象参数、 测量参数以及不同风电场站间的 联接权重， 所述图卷积预测模型是采用多个风电场站的历史气象图数据和历史功率图数据 训练得到的； 所述图卷积预测模型的构建， 包括： 按照预设格式将多个风电场站历史时刻的数值天气预报数据转化为历史气象图数据， 并将对应时刻多个风电场站的功率数据转换为历史功率图数据； 以所述历史气象图数据为输入数据， 以所述历史功率图数据为输出数据， 对图卷积模 型结构中不同层之间的映射权重和不同节点间的联接权重进行训练， 得到图卷积预测模 型； 其中， 图卷积模型 结构中的各节点分别对应各风电场站； 所述图卷积预测模型中， 输入数据与输出 数据间的映射关系如下式所示： 式中， Y表示输出数据， X表示输入数据， ReLu()表示线性整流函数， softmax()表示归 一化指数函数， W(0)表示图卷积模型结构中输入层到隐含层的映射权重， W(1)表示卷积模型 结构中隐含层到 输出层的映射权 重， 表示广义邻接矩阵； 广义邻接矩阵 的计算式如下： 式中， IN表示单位矩阵， A 表示不同节点间的联接 权重构成的邻接矩阵； 所述按照预设格式将多个风电场站历史时刻的数值天气预报数据转化为历史气象图 数据， 包括： 对每个风电场站， 分别采用交叉验证方式， 选择所述风电场站功率预测性能最佳的气 象参数组合； 以所有风电场站的气象参数组合的并集作为风电场站的气象参数， 以各风电场站不同 层高的测风塔历史测量数据作为风电场站的测量参数， 分别以各风电场站的气象参数和测 量参数构成历史气象图数据中对应节点的属性； 根据各风电场站间的地理位置为不同风电场站间的联接权重赋予初值， 并将不同风电 场站间的联接 权重作为历史气象图数据中对应节点间的联接 权重； 以对应各风电场站的节点以及不同节点间的联接 权重构成历史气象图数据； 所述输入转 化模块， 具体用于： 根据气象参数从待预测时刻多个风电场站 的数值天气预报数据中抽取各风电场站的 气象数据， 并将所述气象数据结合各风电场站的测量参数构成气象图数据中各节点的属权　利　要　求　书 2/3 页 3 CN 113887843 B 3