科研之友
微信
新浪微博
Facebook
分享链接
摘要
为获得完整可靠的风速数据，提出一种考虑时空相关性的风电机组机舱风速清洗方法。利用图卷积神经网络（GCN）提取风速的空间相关信息、利用双向长短期记忆神经网络（Bi-LSTM）提取时间相关信息，建立GCN-LSTM模型重构各机组风速序列，实现对异常风速数据的识别和清洗。分析风速的时空特性及其对模型清洗精度的影响，确定最优时间尺度和机组节点数量2个重要的建模参数；以中国4个不同地形风电场为例对GCN-LSTM模型进行验证，结果表明考虑时空相关性可有效提高风速清洗精度，风速的时空相关性越高风速清洗误差越小，且该模型在不同地形风电场的风速清洗中表现出良好的鲁棒性。
- 单位
