(19)中华 人民共和国 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 202111495208.1 (22)申请日 2021.12.09 (71)申请人 北京东润环能科技股份有限公司 地址 100192 北京市海淀区学清路8号1幢 1-14九层901 (72)发明人 李润　田伟　谷宗鹏　马腾飞　 柴宏阳　于晓磊　 (74)专利代理 机构 北京风雅颂专利代理有限公 司 11403 代理人 李弘 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 基于逐步回归与深度学习的风电功率预测 方法及相关 设备 (57)摘要 本公开提供一种基于逐步回归与深度学习 的风电功率预测方法及相关设备， 方法包括： 基 于回归方程筛选风力发电的工作参数中具有显 著性的目标参数； 获取所述目标参数在第一时间 段的观测数据； 将所述观测数据输入训练好的功 率预测模型， 得到目标时间的风电功率预测值。 根据本公开， 利用回归 方法选择对 预测变量即风 电功率的变化具有显著解释能力的目标参数作 为输入变量， 并结合长短期记忆神经网络进行风 电功率预测， 能够有效提高预测精度和运算效 率。 权利要求书2页 说明书9页 附图3页 CN 113902228 A 2022.01.07 CN 113902228 A 1.一种基于逐步回归与深度学习的风电功率预测方法， 其特 征在于， 包括： 基于回归方程筛 选风力发电的工作参数中具有显著性的目标参数； 获取所述目标参数在第一时间段的观测数据； 将所述观测数据输入训练好的功率预测模型， 得到目标时间的风电功率预测值。 2.根据权利要求1所述的方法， 其特征在于， 所述训练好的目标预测模型包括： 至少一 个神经网络模型， 每 个LSTM神经网络模型包括： 第一单元， 包括第一sigmoid层和第一逐点相乘器， 上一时刻的输出数据ht‑1与当前时 刻的输入数据xt经过所述第一sigmoid层得到第一输出， 所述第一输出与上一时刻长期状 态Ct‑1经过所述第一逐点相乘器得到第一单 元输出； 第二单元， 包括第二si gmoid层、 第一tanh层、 第二逐点相乘器和加法器， 上一时刻的输 出数据ht‑1与当前时刻的输入数据xt经过所述第二sigmoid层得到第二输出， 上一时刻的输 出数据ht‑1与当前时刻的输入数据xt经过所述第一tanh层得到候选长期状态Ct’， 所述第二 输出和所述候选长期状态Ct’经过所述第二逐点相乘器得到第三输出， 所述第三输出和所 述第一单 元输出经过所述加法器得到第二单 元输出Ct； 第三单元， 包括第三sigmoid层、 第二tanh层和第三逐点相乘器， 上一时刻的输出数据 ht‑1与当前时刻的输入数据xt经过所述第三sigmoid层得到第四输出， 所述第二单元输出Ct 经过所述第二tanh层后与所述第四输出 经过第三逐点相乘器得到当前时刻的输出 数据ht。 3.根据权利要求2所述的方法， 其特 征在于， 所述目标参数包括 风速和风向。 4.根据权利要求2所述的方法， 其特征在于， 所述第一 sigmoid层的第一输出ft=sigmoid （wf·[ht‑1，xt]+bf） ， 其中， wf为第一权值， bf为给定参数。 5.根据权利要求4所述的方法， 其特征在于， 所述第二sigmoid层的第二输出it=  sigmoid （wi·[ht‑1，xt]+bi） ， 候选长期状态Ct’=tanh （wc·[ht‑1，xt]+bc） ， wi为第二权值， wc为 第三权值， bi、 bc为给定参数； 当前时刻的长期状态Ct=ft*Ct‑1+ it*Ct’。 6.根据权利要求5所述的方法， 其特征在于， 所述第三sigmoid层的第四输出ot=  sigmoid （wo·[ht‑1，xt]+bo） ， wo为第四权值， bo为给定参数； 输出 数据ht=ot* tanh （Ct） 。 7.根据权利要求1所述的方法， 所述基于回归模型选择工作参数中的目标参数进一步 包括： 对于每个工作参数， 执 行如下步骤： 基于所述工作参数引入所述回归方程是否发生显著性变化， 如果发生显著性变化， 则 将所述工作参数加入到所述显著性 参数集合； 以及基于当前的引入所述回归方程的所有变量进行t检验， 移除当前所述所有变量中 不具有显著性的变量； 直至遍历所有所述工作参数， 得到引入所述回归方程的最终变量； 将所述最终变量作为所述目标参数。 8.一种基于逐步回归与深度学习的风电功率预测装置， 其特 征在于， 包括： 回归单元， 用于基于回归方程筛 选风力发电的工作参数中具有显著性的目标参数； 获取单元， 用于获取 所述目标参数在第一时间段的观测数据； 预测单元， 用于将所述观测数据输入训练好的功率预测模型， 得到目标时间的风电功 率预测值。权　利　要　求　书 1/2 页 2 CN 113902228 A 29.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 所述处 理器执行所述程序时实现如权利要求1至7任意 一项所述的方法。 10.一种非暂态计算机可读存储介质， 所述非暂态计算机可读存储介质存储计算机指 令， 所述计算机指令用于使计算机执 行权利要求1至7任一所述方法。权　利　要　求　书 2/2 页 3 CN 113902228 A 3