公开(公告)号：CN117688981B

公开(公告)日：2025-03-25

申请号：CN202311728507.4

申请日：2023-12-15

Applicant: 重庆大学

Inventor： 杨庆山 ,  李天 ,  李杭 ,  刘震卿 ,  权顺德

IPC: G06N3/0455 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094 ,  G06Q50/06 ,  H02J3/00

Abstract: 本发明公开了基于卷积神经网络模型的风电场尾流及功率预测方法，包括如下步骤：1)基于卷积神经网络构建多风机尾流叠加预测模型，通过解析尾流模型和数值模拟生成尾流流场数据集训练并验证该模型；2)根据所述多风机尾流叠加预测模型对风电场尾流的尾流速度场和湍流场及总发电功率进行预测。本发明通过采用深度学习模型技术，在保证高效计算的同时可达到接近数值模拟的尾流预测精度，依靠数据驱动的模型训练方法，可使其快速部署在各类不同的风电场中；其次，还可通过风电场的实测数据来进一步提升预测性能，避免传统的参数识别步骤，应用更加高效。

公开(公告)号：CN117688981A

公开(公告)日：2024-03-12

申请号：CN202311728507.4

申请日：2023-12-15

Applicant: 重庆大学

Inventor： 杨庆山 ,  李天 ,  李杭 ,  刘震卿 ,  权顺德

IPC: G06N3/0455 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094 ,  G06Q50/06 ,  H02J3/00

Abstract: 本发明公开了基于卷积神经网络模型的风电场尾流及功率预测方法，包括如下步骤：1)基于卷积神经网络构建多风机尾流叠加预测模型，通过解析尾流模型和数值模拟生成尾流流场数据集训练并验证该模型；2)根据所述多风机尾流叠加预测模型对风电场尾流的尾流速度场和湍流场及总发电功率进行预测。本发明通过采用深度学习模型技术，在保证高效计算的同时可达到接近数值模拟的尾流预测精度，依靠数据驱动的模型训练方法，可使其快速部署在各类不同的风电场中；其次，还可通过风电场的实测数据来进一步提升预测性能，避免传统的参数识别步骤，应用更加高效。