(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 202111568234.2 (22)申请日 2021.12.21 (71)申请人 华控清交信息科技 （北京） 有限公司 地址 100084 北京市海淀区中关村东路1号 院3号楼10层10 09-1 (72)发明人 凡航　 (74)专利代理 机构 北京市广友专利事务所有限 责任公司 1 1237 代理人 李欣 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06K 9/62(2022.01) G06F 30/27(2020.01) G06F 17/11(2006.01)G06F 113/06(2020.01) (54)发明名称 一种风电场功率预测方法、 装置及电子设备 (57)摘要 本申请公开了一种风电场功率预测方法、 装 置及电子设备， 包括： 获取风电场集群包括的多 个风电场的功率特征数据和风速特征数据； 将多 个风电场的功率特征数据和风速特征数据， 输入 预先建立的图注意力网络模型中， 得到多个风电 场的预测功率， 其中， 功率特征数据作为模型输 入数据， 依次经过注意力特征提取模块和卷积计 算模块的计算后， 得到功率特征， 风速特征数据 作为模型输入 数据， 依次经过注 意力特征提取模 块和卷积计算模块的计算后， 得到风速特征， 功 率特征和风速特征经过特征融合模块的计算后， 得到多个风电场的预测功率， 注 意力特征提取模 块包括空间注意力特征提取模块。 采用本方案， 提高了风电场功率预测的精度。 权利要求书4页 说明书16页 附图2页 CN 113962495 A 2022.01.21 CN 113962495 A 1.一种风电场功率预测方法， 其特 征在于， 包括： 获取风电场集群包括的多个风电场的多个历史时刻的风电功率， 作为功率特征数据， 以及所述多个风电场的多个将来时刻的预测风速， 作为 风速特征数据； 将所述多个风电场的所述功率特征数据和所述风速特征数据， 输入预先建立的图注意 力网络模 型中， 得到所述多个风电场的预测功 率， 其中， 所述图注意力网络模型包括注意力 特征提取模块、 卷积计算模块和特征融合模块， 所述功率特征数据作为模型输入 数据， 依次 经过所述注意力特征提取模块和所述卷积计算模块的计算后， 得到功率特征， 所述风速特 征数据作为模型输入数据， 依次经过所述注意力特征提取模块和所述卷积计算模块的计算 后， 得到风速特征， 所述功 率特征和所述风速特征经过所述特征融合模块的计算后， 得到所 述多个风电场的所述预测功率， 所述注意力特 征提取模块包括空间注意力特 征提取模块。 2.如权利要求1所述的方法， 其特征在于， 所述空间注意力特征提取模块采用如下公式 进行计算： ； ； 其中， 为空间注意力特征提取模块的空间输入数据， 所述空间输入数据为所述功率特征数据或所述风速特征数据， 为所述多个风电场的数 量， 为每个风电场的特征的数量， 为多个时刻的数量， ， ， ， ， 是用于学习的参数， 是激活函数； 为基于空间注意力特征提取 模块的空间输入数据进行计算得到的空间注意力矩阵， 中的元素 表示风电场 和风电 场 之间的空间相关性， 为空间注意力特 征提取模块的输出 数据。 3.如权利要求1所述的方法， 其特征在于， 所述注意力特征提取模块还包括 时间注意力 特征提取模块， 所述时间注意力特征提取模块的输出， 作为所述空间注意力特征提取模块 的输入。 4.如权利要求3所述的方法， 其特征在于， 所述 时间注意力特征提取模块采用如下公式 进行计算： ； ；权　利　要　求　书 1/4 页 2 CN 113962495 A 2； 其中， 为时间注意力特征提取模块的时间输入数据， 所述时间输入数据为所述功率特征数据或所述风速特征数据， 为所述多个风电场的数 量， 为每个风电场的特征的数量， 为多个时刻的数量， ， ， ， ， 是用于学习的参数， 是激活函数； 为基于时间注意力特征提取 模块的时间输入数据进行计算得到的时间注意力矩阵， 中的元素 表示时刻 和时刻 之间的时间依赖关系， 为时间注意力特 征提取模块的输出 数据； 所述空间注意力特 征提取模块采用如下公式进行计算： ； ； 其中， 为空间注意力特征提取模块的空间输入数据， 所述空间输入数据为所述时间注意力特征提取模块的输出数据， ， ， ， ， 是用于学习的参数， 是激活函数； 为基于空间注 意力特征提取模块的空间输入数据进行计算得到的空间注意力矩阵， 中的元素 表示 风电场 和风电场 之间的空间相关性， 为空间注意力特 征提取模块的输出 数据。 5.如权利要求1 ‑4任一所述的方法， 其特征在于， 所述卷积计算模块包括图卷积计算模 块和一维卷积计算模块， 所述图卷积计算模块的输出， 作为所述 一维卷积计算模块的输入。 6.如权利要求5所述的方法， 其特征在于， 所述图卷积计算模块采用如下公式进行计 算： ； ； ‑ ；权　利　要　求　书 2/4 页 3 CN 113962495 A 3