System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种耦合垂直风廓线的机器学习风速订正方法及装置制造方法及图纸_技高网
当前位置: 首页 > 专利查询>浙江大学专利>正文

一种耦合垂直风廓线的机器学习风速订正方法及装置制造方法及图纸

技术编号:43059905 阅读:19 留言:0更新日期:2024-10-22 14:39
本发明专利技术公开了一种耦合垂直风廓线的机器学习风速订正方法及装置。结合机器学习风速订正方法和垂直外推风速订正方法,实现风速的耦合订正。此耦合订正方法的原理在于在每一轮机器学习模型训练完成后,在验证集中选择更加符合风速垂直分布规律的模型,从而实现数据驱动与物理知识的结合,以实现提高机器学习风速订正模型的泛化能力。本发明专利技术将风速满足的垂直风廓线分布规律耦合进行机器学习模型中,提高了风速订正的效果,获得了具有更好泛化能力的风速订正模型,用于风速预测。

【技术实现步骤摘要】

本专利技术涉及大气科学领域,具体涉及一种耦合垂直风廓线的机器学习风速订正方法及装置


技术介绍

1、风资源精细化评估是风能高效、可持续开发利用的首要任务,是实现风电高质量发展的关键。目前,待开发的大规模风电基地往往分布在偏远或复杂地形环境中,需通过数值模拟方法模拟出整个风场在不同地形和气象条件下的连续变化情况,从而获取全面的风资源信息。受下垫面复杂、模式系统的复杂性等因素影响,数值模拟方法得到的风速、风向与观测值存在一定的偏差。因此,根据观测数据对数值模拟数据进行订正十分必要。

2、传统的机器学习订正方法主要是通过构造多种特征或添加新的特征来提高订正效果,未考虑将物理规律与机器学习的结合,在物理规律的约束下有望获得具有更强泛化能力的机器学习模型。

3、基于此,本专利技术旨在将物理规律与机器学习模型相结合,构建一种耦合风速垂直分布规律的机器学习风速订正模型。


技术实现思路

1、本专利技术的目的在于针对现有技术的不足,获得泛化能力更强、模拟精度更高的风资源评估结果,并提供一种耦合垂直风廓线的机器学习风速订正方法及装置。

2、本专利技术的目的是通过以下技术方案来实现的:第一方面,本专利技术提供了一种耦合垂直风廓线的机器学习风速订正方法,该方法步骤如下:

3、(1)获取气象和地形的模拟数据以及测风数据构建数据集;

4、(2)基于数据集中每个测风数据的时序信息拟合获得理论垂直风廓线;

5、(3)构建基于机器学习的风速订正模型;模型的输入数据为模拟数据、输出数据为测风数据;

6、(4)机器学习模型耦合垂直风廓线分布规律,基于理论垂直风廓线对风速订正模型输出结果进行判定,对模型优化训练,使得训练得到的模型输出更加符合理论垂直风廓线的物理规律;基于优化后的风速订正模型对风速进行预测。

7、进一步地,步骤(1)中,模拟数据通过wrf模式获得;测风数据包括不同垂直高度测量点的风速和风向。

8、进一步地,步骤(1)中,通过滑动窗口技术获得数据集中模拟数据及其对应测风数据包含时序信息的时间序列样本。

9、进一步地,步骤(2)中,理论垂直风廓线通过对不同垂直高度每个测量点的测风数据样本对应的时长为24h的时序信息求平均拟合获得。

10、进一步地,步骤(4)中,在步骤(4)模型训练中,若输出结果与理论垂直风廓线偏差小于阈值,则认为训练得到的模型符合物理规律,进行多次训练后,保存最符合风速垂直分布规律的机器学习模型。

11、进一步地,风廓线的的物理规律表示为一段时间内同一测风塔不同高度的平均风速和高度之间满足指数函数的分布规律。

12、第二方面,本专利技术还提供了一种耦合垂直风廓线的机器学习风速订正装置,包括存储器和一个或多个处理器,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现所述的一种耦合垂直风廓线的机器学习风速订正方法。

13、第三方面,本专利技术还提供了一种计算机可读存储介质,其上存储有程序,所述程序被处理器执行时,实现所述的一种耦合垂直风廓线的机器学习风速订正方法。

14、第四方面,本专利技术还提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时,实现所述的一种耦合垂直风廓线的机器学习风速订正方法。

15、本专利技术的有益效果:本专利技术将风速满足的垂直风廓线分布规律耦合进行机器学习模型中,提高了风速订正的效果,获得了具有更好泛化能力的风速订正模型,用于风速预测。

本文档来自技高网...

【技术保护点】

1.一种耦合垂直风廓线的机器学习风速订正方法,其特征在于,该方法步骤如下:

2.根据权利要求1所述的一种耦合垂直风廓线的机器学习风速订正方法,其特征在于,步骤(1)中,模拟数据通过WRF模式获得;测风数据包括不同垂直高度测量点的风速和风向。

3.根据权利要求1所述的一种耦合垂直风廓线的机器学习风速订正方法,其特征在于,步骤(1)中,通过滑动窗口技术获得数据集中模拟数据及其对应测风数据包含时序信息的时间序列样本。

4.根据权利要求1所述的一种耦合垂直风廓线的机器学习风速订正方法,其特征在于,步骤(2)中,理论垂直风廓线通过对不同垂直高度每个测量点的测风数据样本对应的时长为24h的时序信息求平均拟合获得。

5.根据权利要求1所述的一种耦合垂直风廓线的机器学习风速订正方法,其特征在于,步骤(4)中,在步骤(4)模型训练中,若输出结果与理论垂直风廓线偏差小于阈值,则认为训练得到的模型符合物理规律,进行多次训练后,保存最符合风速垂直分布规律的机器学习模型。

6.根据权利要求1所述的一种耦合垂直风廓线的机器学习风速订正方法,其特征在于,风廓线的的物理规律表示为一段时间内同一测风塔不同高度的平均风速和高度之间满足指数函数的分布规律。

7.一种耦合垂直风廓线的机器学习风速订正装置,包括存储器和一个或多个处理器,所述存储器中存储有可执行代码,其特征在于,所述处理器执行所述可执行代码时,实现如权利要求1-6中任一项所述的一种耦合垂直风廓线的机器学习风速订正方法。

8.一种计算机可读存储介质,其上存储有程序,其特征在于,所述程序被处理器执行时,实现如权利要求1-6中任一项所述的一种耦合垂直风廓线的机器学习风速订正方法。

9.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1-6任一项所述的一种耦合垂直风廓线的机器学习风速订正方法。

...

【技术特征摘要】

1.一种耦合垂直风廓线的机器学习风速订正方法,其特征在于,该方法步骤如下:

2.根据权利要求1所述的一种耦合垂直风廓线的机器学习风速订正方法,其特征在于,步骤(1)中,模拟数据通过wrf模式获得;测风数据包括不同垂直高度测量点的风速和风向。

3.根据权利要求1所述的一种耦合垂直风廓线的机器学习风速订正方法,其特征在于,步骤(1)中,通过滑动窗口技术获得数据集中模拟数据及其对应测风数据包含时序信息的时间序列样本。

4.根据权利要求1所述的一种耦合垂直风廓线的机器学习风速订正方法,其特征在于,步骤(2)中,理论垂直风廓线通过对不同垂直高度每个测量点的测风数据样本对应的时长为24h的时序信息求平均拟合获得。

5.根据权利要求1所述的一种耦合垂直风廓线的机器学习风速订正方法,其特征在于,步骤(4)中,在步骤(4)模型训练中,若输出结果与理论垂直风廓线偏差小于阈值,则认为训练得到的模型符合...

【专利技术属性】
技术研发人员:王强许飞燕张流杰杜昕昊叶时彤罗坤樊建人
申请(专利权)人:浙江大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1