【技术实现步骤摘要】
本专利技术涉及一种风速预测，尤其涉及一种短时风速预测方法、装置、设备及介质。
技术介绍
1、风力发电的运行效率高度依赖于风速的准确预测。传统的风速预测方法主要利用统计或物理模型进行，这些模型在复杂的实际应用场景中，例如在地形复杂或风场分布不均的风力发电场中，往往难以准确预测风速变化，尤其是在短时尺度上。此外，现有的风速预测技术缺乏对地形因素影响的考虑，也缺乏有效的数据集成系统来实时调整预测模型，以适应快速变化的气象条件，现有的传统方法在预测精度和实时性上存在限制，无法满足现代风力发电的需求，导致风电资源的利用率不高和风机运行效率低下。
2、综上，现有技术对于风电场风速预测方法，难以对复杂地形和多变气象条件下的短时风速进行准确预测，其预测精度和实时性不足。
技术实现思路
1、为了克服现有技术的不足，本专利技术的目的之一在于提供一种短时风速预测方法，其通过对局部风速信息进行采集，进而通过融合arima模型和lstm模型，以获得短时风速预测。
2、本专利技术的目的之一采用以下技术方案实现：
3、一种短时风速预测方法，包括以下步骤：
4、获取目标风电场的地形数据，并提取地形特征信息；
5、获取风速传感器位置得到集成的风速传感网络，根据所述地形特征信息及所述风速传感网络构建三维风场模型；
6、对所述三维风场模型进行网格划分获得若干风速分布区域，并以每个所述分布区域为采集单位进行局部风速信息的采集；
7、将所述
8、将采集到的所述局部风速信息输入所述短时风速预测模型，得到短时风速预测结果。通过多因素集成预测模型和三维风场模型，显著提升了风速预测的精度和实时性，并实现了对风电场内不同区域和高度的精细化预测，从而优化了风力发电的运行效率，降低风机故障率。
9、进一步地，获取目标风电场的地形数据，并提取地形特征信息，包括：
10、通过地理信息系统gis获取目标风电场的地形数据，所述地形数据包括海拔高度、坡度、地形起伏及植被覆盖情况；
11、通过数字高程模型dem对所述地形数据进行特征提取，得到所述地形特征信息。
12、进一步地，获取风速传感器位置得到集成的风速传感网络前，还包括：
13、获取目标风机结构参数，所述结构参数包括风机高度、叶片长度和旋转半径；
14、获取所述目标风机位置处地形特征，所述地形特征包括坡度、海拔高度及周边地形变化情况；
15、根据所述目标风机结构参数及位置处地形特征，进行风速梯度计算，得到风速传感器的高度和位置布设位置，以进行风速传感器布设并在布设完成后得到对应的风速传感网络。通过分析风机结构和地形特征，识别关键高度和位置，优化传感器布设，形成多层次的风速传感网络，确保实时获取准确的风速数据。
16、进一步地，根据所述地形特征信息及所述风速传感网络构建三维风场模型，包括：
17、将所述地形特征信息与所述风速传感网络进行空间配准，并通过高级计算流体动力学cfd和数据建模，得到用于模拟目标风电场内不同区域和高度的风速分布情况的三维风场模型。构建三维风场模型，能够精确模拟风电场内不同区域和高度的风速分布。
18、进一步地，对所述三维风场模型进行网格划分获得若干风速分布区域，并以每个所述分布区域为采集单位进行局部风速信息的采集，包括：
19、根据所述三维风场模型，预设若干包括多个三维立体单元的局域感知空间；
20、以所述局域感知空间为单元对所述三维风场模型进行网格划分，得到所述风速分布区域；
21、在所述风速分布区域内进行风速采样，采集不同网格单元内的局部风速信息。网格划分可以精细化掌握风速风向动态变化
22、进一步地，将所述地形特征信息输入arima模型进行训练，包括：
23、通过所述风速传感网络持续采集目标风电场的实时高频风速观测数据、初步风速分布，并获取气象数据，得到高频风速观测数据集、初步风速分布集和气象数据集；
24、将所述高频风速观测数据集、气象数据集与所述地形特征信息整合为数据矩阵并输入arima模型，将所述初步风速分布集作为arima模型的输出，对模型进行训练；
25、基于实时数据反馈，自适应地动态调整arima模型的自回归、差分和滑动平均参数，获得调整后的arima模型。
26、进一步地，将训练好的arima模型和lstm模型进行融合，构建综合短时风速预测模型，包括：
27、采集样本短时风速分布集，结合所述初步风速分布集，构建数据时序列表，所述样本短时风速分布集及所述初步风速分布集时间戳相同；
28、将所述数据时序列表中的初步风速分布集作为lstm模型的输入数据，将样本短时风速分布集合作为lstm模型的输出数据，对lstm模型进行训练，获得训练后的lstm模型；
29、将arima模型的输出作为lstm模型的输入，以进行模型融合，得到综合短时风速预测模型。两个模型集成为一个预测模型可以线性和非线性特征进行分析融合，确保风速的分析更加全面，获得的风速特征更准确。
30、本专利技术的目的之二在于提供一种短时风速预测装置，其通过对两种模型进行融合，以进行短时风速预测。
31、本专利技术的目的之二采用以下技术方案实现：
32、一种短时风速预测装置，其包括：
33、数据获取模块，用于获取目标风电场的地形数据，并提取地形特征信息；获取风速传感器位置得到集成的风速传感网络，根据所述地形特征信息及所述风速传感网络构建三维风场模型；
34、数据采集模块，用于对所述三维风场模型进行网格划分获得若干风速分布区域，并以每个所述分布区域为采集单位进行局部风速信息的采集；
35、模型构建模块，用于将所述地形特征信息输入arima模型进行训练，并将训练好的arima模型和lstm模型进行融合，构建综合短时风速预测模型；
36、结果输出模块，用于将采集到的所述局部风速信息输入所述短时风速预测模型，得到短时风速预测结果。
37、本专利技术的目的之三在于提供执行专利技术目的之一的电子设备，其包括处理器、存储介质以及计算机程序，所述计算机程序存储于存储介质中，所述计算机程序被处理器执行时实现上述的短时风速预测方法。
38、本专利技术的目的之四在于提供存储专利技术目的之一的计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的短时风速预测方法。
39、相比现有技术，本专利技术的有益效果在于：
40、本专利技术提供了一种适用于短时的风速预测方法，通过获取风速传感器位置，得到集成的风速传感网络，并结合地形特征信息构建三维风场模型，使风场模型准确，以提高预测效果；本专利技术还本文档来自技高网...
【技术保护点】
1.一种短时风速预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的短时风速预测方法，其特征在于，获取目标风电场的地形数据，并提取地形特征信息，包括：
3.如权利要求1所述的短时风速预测方法，其特征在于，获取风速传感器位置得到集成的风速传感网络前，还包括：
4.如权利要求1或2所述的短时风速预测方法，其特征在于，根据所述地形特征信息及所述风速传感网络构建三维风场模型，包括：
5.如权利要求1所述的短时风速预测方法，其特征在于，对所述三维风场模型进行网格划分获得若干风速分布区域，并以每个所述分布区域为采集单位进行局部风速信息的采集，包括：
6.如权利要求1所述的短时风速预测方法，其特征在于，将所述地形特征信息输入ARIMA模型进行训练，包括：
7.如权利要求1或6所述的短时风速预测方法，其特征在于，将训练好的ARIMA模型和LSTM模型进行融合，构建综合短时风速预测模型，包括：
8.一种短时风速预测装置，其特征在于，其包括：
9.一种电子设备，其包括处理器、存储介质以及计算机程序
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的短时风速预测方法。
...【技术特征摘要】
1.一种短时风速预测方法，其特征在于，包括以下步骤：
2.如权利要求1所述的短时风速预测方法，其特征在于，获取目标风电场的地形数据，并提取地形特征信息，包括：
3.如权利要求1所述的短时风速预测方法，其特征在于，获取风速传感器位置得到集成的风速传感网络前，还包括：
4.如权利要求1或2所述的短时风速预测方法，其特征在于，根据所述地形特征信息及所述风速传感网络构建三维风场模型，包括：
5.如权利要求1所述的短时风速预测方法，其特征在于，对所述三维风场模型进行网格划分获得若干风速分布区域，并以每个所述分布区域为采集单位进行局部风速信息的采集，包括：
6.如权利要求1所述的短...
【专利技术属性】
技术研发人员：彭琰，陆承宇，王晨旭，马骏超，熊鸿韬，华文，陈文进，
申请(专利权)人：国网浙江省电力有限公司电力科学研究院，
类型：发明
国别省市：
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。