(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211270873.5 (22)申请日 2022.10.17 (71)申请人 昆明能讯科技有限责任公司 地址 650000 云南省昆明市经开区云大西 路104号云电科技园二期昆明能讯科 技有限责任公司 (72)发明人 陆万荣　 (74)专利代理 机构 昆明今威专利商标代理有限 公司 53115 专利代理师 赛晓刚 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01)H02J 3/00(2006.01) (54)发明名称 风电短期出力功率预测方法 (57)摘要 本发明风电短期出力功 率预测方法包括:用 STCN网络来预测风电短期出力功率， S TCN网络包 括： 输入层、 隐藏层和输出层， 将历史风电短期出 力功率输入到S TCN网络， 让S TCN网络自主学习以 预测风电短期出力功率； 将输入端信号分解成若 干个重构信号， 其 分解包括： 用经验模态(EMD)对 风电短期出力功率进行分解， 得到最大分解模态 数量K； 将风电短期出力功率输入到变分模态 (VMD)中， 按照[2,3,...,K ‑1,K]进行变分模态分 解， 找出最小残差能量所对应的分解模态数K ’； 用K’个重构信号作为S TCN网络的输入， K ’个重构 信号经过隐藏层后， 进入全连接层和卷积层， 最 后STCN网络的输出为预测的风电短期出力功率。 权利要求书2页 说明书4页 附图1页 CN 115526419 A 2022.12.27 CN 115526419 A 1.一种风电短期出力功率预测方法， 它包括:用STCN网络来预测风电短期出力功率， 该 STCN网络包括： 输入层、 隐藏层和输出层， 用户根据其预测的需要， 确定其预测时间， 将历史 风电短期出力功率输入到STCN网络， 让STCN网络进行自主学习以预测风电短期出力功率； 其特征在于： 将所述输入端的信号分解成若干个重构信号， 其分解包括以下步骤： (A)、 用经验 模态(EMD)对风电短期出力功率进行分解， 得到最大分解模态数量K 将历史风电短期出力功率输入到经验模态(EMD)中， 通过递归分解和自行迭代得到最 大分解模态数量K； (B)、 将风电短期 出力功率输入到变分模态(VMD)中， 分别按照[2,3,...,K ‑1,K]进行变 分模态分解， 并且找出最小残差能量所对应的分解模态数 K’ 将历史风电出力功率输入到变分模态(VMD)中， 分解模态数量K依次选择为2,3,...,K ‑ 1,K， 历史风电出力功 率在变分模态(VMD)中进 行分解， 以下公 式表示输入信号、 重构信号和 残差值的关系： f(t)＝u1(t)+u2(t)+···+uk(t)+r(t) ‑‑‑‑‑(公式1) 即： 其中： f(t)为输入信号； u1(t)……uk(t)为重构信号； r(t)为残差值； 其中Ek为残差能量， 比较上述Ek值， 找到最小的Ek所对应的分解模态数量K ’； (C)、 用K’个重构信号作为STCN网络的输入特 征 将步骤(B)分解出来的K ’个重构信号作为STCN网络的输入端， K ’个重构信号经过隐藏 层后， 进入 全连接层和卷积层， 最后STCN网络的输出为预测的风电短期出力功率。 2.如权利要求1所述的一种风电短期出力功率预测方法， 其特征在于： 在所述步骤(B) 中的计算残差值的过程中， 按照以下公式组(4)将重构信号进行正交 处理， β1(t)＝u1(t) ΜΜ 在公式组(4)中， β1, β2,..., βk表示正交化后的模态分量， 则残差值计算公式则转变为： 3.如权利要求2所述的一种风电短期出力功率预测方法， 其特征在于： 所述隐藏层由多权　利　要　求　书 1/2 页 2 CN 115526419 A 2个隐藏单元组成， 每个隐藏单元由时空膨胀卷积、 权值归一化层、 激活层、 Dropout层、 时空 膨胀卷积、 权值归一 化层、 激活层和Dropout层依次串联后再与1*1卷积层并联后组成。 4.如权利要求3所述的一种风电短期出力功率预测方法， 其特征在于： 所述隐藏单元至 少为2个。 5.如权利要求4所述的一种风电短期出力功率预测方法， 其特征在于： 所述输出层由全 连接层和卷积层串联组成。 6.如权利要求5所述的一种风电短期出力功率预测方法， 其特征在于： 所述Dropout层 为SpatialDropout层。权　利　要　求　书 2/2 页 3 CN 115526419 A 3