基于深度学习的风电场功率预测系统的设计与实现

当前,数字化风电场在功率预测方面主要关注风电设备运行中的实时动态采样数据,而忽略了风电场固有的时空关联特性对预测精度的影响。针对该问题,文章提出一种风电场功率预测方法,该方法通过有效的特征工程提高风电预测的精度。在单台风机功率预测方面,采用空间嵌入技术生成表征向量,用以描述不同风机设备之间固有属性的区别,为单台风机的精准化功率预测提供数据支撑;在风电场综合功率预测方面,采用关联图谱记录风电场内多维度的时空关联特征,并有效聚合邻居节点信息,以此向预测模型提供有效特征。基于上述功率预测方法,设计并实现的这套高效的风电场功率预测系统,有助于推动风电预测技术的进一步发展与应用。