一种基于深度学习与多重集成的风电短期功率预测方法与流程

1.本发明涉及风电短期功率预测技术领域，具体涉及一种基于深度学习与多重集成的风电短期功率预测方法。


背景技术：

2.风力发电是指把风的动能转为电能，风能是一种清洁无公害的可再生能源能源。由于风电的间歇性和变异性，任何严重的干扰都会影响风电电网的安全性。因此，准确的对风电短期功率进行预测对于电网的安全性、稳定性和经济效益都具有重要的意义。
3.为此相关技术领域的技术人员对此进行了改进，如中国专利申请号为202010593532.6，提出的“一种基于深度学习的风电功率短期预测方法，包括以下步骤：步骤1：收集风电功率预测所需数据集并进行预处理；步骤2：针对风电数据不同变量，采用标准方法进行归一化处理；步骤3：对风电数据不同变量之间的相关性进行分析；步骤4：深度神经网络结构设计；步骤5：利用训练样本数据对神经网络进行训练；步骤6：利用训练训练好的神经网络模型对测试样本的风电功率进行预测。”，该发明所提出的系统能够充分提取风电场数据特征，并实现特种融合，能够有效的提升风电功率短期预测的精度。
4.但上述中对风电场数据的提取，不是进行区域内大面积的数据采集提取的，对区域内的气象数据收集不是很全面，使得数据有效性低，数据存在单一性问题，最后会使得风电功率短期预测的精度有所偏差，为此，我们提出一种基于深度学习与多重集成的风电短期功率预测方法。


技术实现要素：

5.本发明的目的在于克服现有技术中存在的上述问题，提供一种基于深度学习与多重集成的风电短期功率预测方法，便于更加全面的收集区域内的气象数据，使得数据有效性更强，避免数据单一性。
6.为实现上述技术目的，达到上述技术效果，本发明是通过以下技术方案实现：
7.一种基于深度学习与多重集成的风电短期功率预测方法，包括数据收集装置，所述数据收集装置包括移动体和气象数据采集雷达，所述移动体是由移动支撑件、控制模块、旋转机构、双向倾斜机构和两组太阳能翼组成；
8.所述控制模块分别电连接有训练模块、风电短期功率预测模块、预处理模块、数据采集模块、自主导航模块、无线通讯模块、蓄电池模块和气象数据采集雷达；
9.还包括以下步骤：
10.步骤一、使用数据收集装置获取待预测风电所在区域的气象数据；
11.步骤二、在采集到气象数据时，数据收集装置通过预处理模块对获取的气象数据进行预处理；
12.步骤三、针对气象数据不同变量，采用标准方法进行归一化处理；
13.步骤三、对气象数据不同变量之间的相关性进行分析；
14.步骤四、深度与多重集成式的神经网络结构设计；
15.步骤五、在训练模块中，利用训练样本数据对深度与多重集成式的神经网络进行训练；
16.步骤六、在风电短期功率预测模块中，利用训练好的深度与多重集成式的神经网络模型对测试样本的风电短期功率进行预测。
17.优选地，所述移动支撑件包括盒座，所述控制模块位于盒座的内腔底部，所述盒座的底部固接有支撑底架，所述支撑底架的底部四角均设置有移动轮。
18.基于上述技术特征，通过移动轮在地面上滚动，实现数据收集装置在气象数据收集的区域大范围移动，使得收集的数据更全面。
19.优选地，两组所述太阳能翼分别位于移动支撑件的左右两侧，所述太阳能翼包括太阳能电池板和电控伸缩杆，所述太阳能电池板与盒座之间转动连接，所述电控伸缩杆与控制模块电性输入连接，所述电控伸缩杆的顶部动力伸缩端与太阳能电池板的底部之间和所述电控伸缩杆的底端与支撑底架之间均转动连接。
20.基于上述技术特征，在电控伸缩杆进行伸缩调节，能够带动太阳能电池板在支撑底架上进行转动调节。
21.优选地，所述太阳能电池板的顶部中心处设置有强光感应模块，所述强光感应模块与控制模块电性输出连接。
22.基于上述技术特征，在太阳能电池板进行转动调节时，通过强光感应模块来感应最强照射位置的太阳光，使得太阳能电池板能够充分利用太阳光。
23.优选地，所述旋转机构包括旋转电机和承载板，所述承载板转动连接在盒座的内腔顶部，所述旋转电机位于盒座的内腔底部，所述旋转电机的顶部动力输出端与承载板的底部中间相固接。
24.基于上述技术特征，便于带动承载板在盒座内腔顶部进行转动调节，实现气象数据采集雷达在空间中360
°
的位置改变。
25.优选地，所述双向倾斜机构包括两组第二支撑块，两组所述第二支撑块之间转动连接有蜗杆，左侧所述第二支撑块的左侧壁设置有正反转电机，所述正反转电机的右侧动力输出端与蜗杆相连接。
26.基于上述技术特征，通过正反转电机的正反转运动便于带动蜗杆在两组第二支撑块之间进行转动调节。
27.优选地，所述蜗杆的前后两侧均设置有第一支撑块，所述第一支撑块和第二支撑块的底部均与承载板相固接，两组所述第一支撑块之间转动连接有轴杆，所述轴杆的外壁前后两侧均固接有支撑杆，所述支撑杆的顶部与气象数据采集雷达相固接，两组所述支撑杆之间设置有蜗轮，所述蜗轮固接在轴杆上，且蜗轮与蜗杆相啮合。
28.基于上述技术特征，在蜗杆转动时，啮合作用将动力传输到蜗轮上，进一步通过蜗轮带动气象数据采集雷达进行左右倾斜。
29.与现有技术相比，本发明的有益效果如下：
30.第一：通过自主导航模块对数据收集装置进行路线自主导航，使其通过移动轮在地面上移动，实现数据收集装置在气象数据收集的区域大范围移动。
31.第二：通过旋转机构和双向倾斜机构的配合，在数据收集装置在气象数据收集的
区域大范围移动的同时，实现气象数据采集雷达在水平位置上的360
°
全方位转动调节以及左右方向上的倾斜调节，从而使得气象数据采集雷达能够更加全面的收集区域内的气象数据，使得数据有效性更强，避免数据单一性。
32.当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
33.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
34.图1为本发明的预测方法的模块示意图；
35.图2为本发明的数据收集装置的结构示意图；
36.图3为本发明的移动体的结构示意图；
37.图4为本发明的双向倾斜机构的结构示意图；
38.附图中，各标号所代表的部件列表如下：
39.1-移动体，2-气象数据采集雷达，3-太阳能翼，301-强光感应模块，302-太阳能电池板，303-电控伸缩杆，4-移动支撑件，401-盒座，402-支撑底架，403-移动轮，5-控制模块，6-旋转机构，601-承载板，602-旋转电机，7-双向倾斜机构，701-正反转电机，702-第一支撑块，703-蜗轮，704-支撑杆，705-轴杆，706-蜗杆，707-第二支撑块。
具体实施方式
40.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
41.本发明提供一种技术方案：一种基于深度学习与多重集成的风电短期功率预测方法，包括数据收集装置，数据收集装置包括移动体1和气象数据采集雷达2，移动体1是由移动支撑件4、控制模块5、旋转机构6、双向倾斜机构7和两组太阳能翼3组成(参看说明书附图图2和图3)；
42.控制模块5分别电连接有训练模块、风电短期功率预测模块、预处理模块、数据采集模块、自主导航模块、无线通讯模块、蓄电池模块和气象数据采集雷达2(参看说明书附图图1)；
43.移动支撑件4包括盒座401，控制模块5位于盒座401的内腔底部，盒座401的底部固接有支撑底架402，支撑底架402的底部四角均设置有移动轮403，通过移动轮403在地面上滚动，实现数据收集装置在气象数据收集的区域大范围移动，使得收集的数据更全面(参看说明书附图图3)；
44.两组太阳能翼3分别位于移动支撑件4的左右两侧，太阳能翼3包括太阳能电池板302和电控伸缩杆303，太阳能电池板302与盒座401之间转动连接，太阳能电池板302与蓄电池模块电连接，太阳能电池板302将转换的电能都存储在蓄电池模块中，通过蓄电池模块为
数据收集装置的工作提供电力，电控伸缩杆303与控制模块5电性输入连接，电控伸缩杆303的顶部动力伸缩端与太阳能电池板302的底部之间和电控伸缩杆303的底端与支撑底架402之间均转动连接，太阳能电池板302的顶部中心处设置有强光感应模块301，强光感应模块301与控制模块5电性输出连接，强光感应模块301实时感应太阳光，在光线照射到在太阳能电池板302上强光感应模块301感应到照射不足时，将信号传输到控制模块5，通过控制模块5控制电控伸缩杆303进行伸缩调节，进而带动太阳能电池板302在支撑底架402上进行转动调节，在进行转动调节时，继续通过强光感应模块301来感应最强照射位置的太阳光，从而使得太阳能电池板302能够被最强光线照射，充分利用可再生资源(参看说明书附图图3)；
45.旋转机构6包括旋转电机602和承载板601，承载板601转动连接在盒座401的内腔顶部，旋转电机602位于盒座401的内腔底部，旋转电机602的顶部动力输出端与承载板601的底部中间相固接，便于带动承载板601在盒座401内腔顶部进行转动调节，实现气象数据采集雷达2在空间中360
°
的位置改变(参看说明书附图图3)；
46.双向倾斜机构7包括两组第二支撑块707，两组第二支撑块707之间转动连接有蜗杆706，左侧第二支撑块707的左侧壁设置有正反转电机701，正反转电机701的右侧动力输出端与蜗杆706相连接，通过正反转电机701的正反转运动便于带动蜗杆706在两组第二支撑块707之间进行转动调节，蜗杆706的前后两侧均设置有第一支撑块702，第一支撑块702和第二支撑块707的底部均与承载板601相固接，两组第一支撑块702之间转动连接有轴杆705，轴杆705的外壁前后两侧均固接有支撑杆704，支撑杆704的顶部与气象数据采集雷达2相固接，两组支撑杆704之间设置有蜗轮703，蜗轮703固接在轴杆705上，且蜗轮703与蜗杆706相啮合，在蜗杆706转动时，啮合作用将动力传输到蜗轮703上，进一步通过蜗轮703带动气象数据采集雷达2进行左右倾斜(参看说明书附图图4)；
47.还包括以下步骤：
48.步骤一、使用数据收集装置获取待预测风电所在区域的气象数据：
49.通过自主导航模块对数据收集装置进行路线自主导航，使其通过移动轮403在地面上移动，实现其在气象数据收集的区域大范围移动，通过旋转电机602带动承载板601在盒座401上转动，进一步带动双向倾斜机构7和气象数据采集雷达2一起转动，实现气象数据采集雷达2在水平位置上的360
°
全方位调节，然后通过正反转电机701的正反转动带动蜗杆706转动，经过蜗703与蜗杆706的啮合带动轴杆705在两组第一支撑块702之间转动，进一步带动气象数据采集雷达2进行左右方向上的倾斜调节，从而使得气象数据采集雷达2能够更加全面的收集区域内的气象数据，使得数据有效性更强，避免数据单一性，通过数据采集模块对气象数据采集雷达2收集的气象数据进行存储收集，然后通过无线通讯模块传递到终端处的风电短期功率预测模块；
50.步骤二、在采集到气象数据时，数据收集装置通过预处理模块对获取的气象数据进行预处理；
51.步骤三、针对气象数据不同变量，采用标准方法进行归一化处理；
52.步骤三、对气象数据不同变量之间的相关性进行分析；
53.步骤四、深度与多重集成式的神经网络结构设计；
54.步骤五、在训练模块中，利用训练样本数据对深度与多重集成式的神经网络进行训练；
55.步骤六、在终端处的风电短期功率预测模块中，利用训练好的深度与多重集成式的神经网络模型对测试样本的风电短期功率进行预测。
56.在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
57.以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。