(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 202111302040.8 (22)申请日 2021.11.04 (71)申请人 国网湖南省电力有限公司 地址 410004 湖南省长 沙市天心区新韶东 路398号 申请人 国网湖南省电力有限公司防灾减灾 中心　 国家电网有限公司 (72)发明人 蔡泽林　王磊　徐勋建　冯涛　 简洲　孔磊　邸悦伦　 (74)专利代理 机构 北京润平知识产权代理有限 公司 11283 代理人 邝圆晖　李国 (51)Int.Cl. G06F 30/27(2020.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 111/10(2020.01) G06F 113/06(2020.01) G06F 119/12(2020.01) (54)发明名称 风机叶片覆冰厚度的长短时记忆校正预报 方法及系统 (57)摘要 本申请实施例提供一种风机叶片覆冰厚度 的长短时记忆校正预报方法。 方法包括： 选择需 要开展冻雨覆冰 数值预报的区域， 将该区域划分 成等经纬 网格； 收集全球模式的数值预报结果， 用作开展冻雨覆冰数值预测的初始场数据和边 界条件数据； 将收集的初始场和边界条件， 按照 预报区域的网格进行插值， 得到统一格点的网格 数据； 选择区域数值预报模式， 并选择优选的参 数化方案， 将网格点数据输入数值模式， 开展数 值积分计算， 并输出风机冻雨覆冰在未来不同时 刻的数据； 采用长短时记忆神经网络对所选区域 的冻雨覆冰 数值预测结果进行训练， 得到不同时 间尺度的模型。 上述技术方案， 能指导电网企业 优化发电调度降低冻雨覆冰， 提升风机冻雨覆冰 的数值预测准确率。 权利要求书1页 说明书3页 CN 113987950 A 2022.01.28 CN 113987950 A 1.一种风机叶片覆冰厚度的长短时记 忆校正预报方法， 其特 征在于， 所述方法包括： 选择需要开展冻雨覆冰数值预报的区域， 将该区域划分成等经纬网格； 收集一种 全球模式的数值预报结果， 用作开展冻雨覆冰数值预测的初始场数据和边界 条件数据； 将收集的初始场和边界条件， 按照预报区域的网格进行插值， 得到统一格点的网格数 据； 选择一种区域数值预报模式， 并选择一种 优选的参数化方案， 将网格点数据， 输入数值 模式， 开展数值积分计算， 并输出风机冻雨覆冰在未来 不同时刻的数据； 采用长短时记忆神经网络对所选区域的冻雨覆冰数值预测结果进行长期(季节尺度)、 中期(月尺度)和短期(日尺度)的训练， 得到不同时间尺度的模型， 模型通过公式(1)确定： 其中Y为预测值， S为一年中的季节类型， M为月度标记， D为日期标记， Y为当前时刻的数 值模式输出 结果， Y‑为前一时刻的预报结果， Re为前一时刻实际预报值。 2.根据权利要求1所述的方法， 其特征在于， 所述模型包括遗忘门、 记忆门和输出门， 所 述遗忘门决定上一时刻的单 元状态Ct‑1有多少保留到当前时刻Ct， 通过公式(2)确定： ft＝σ(Wf*[ht‑1， Yt]+bf) (2) 所述记忆门决定当前输入Yt的单元状态 有多少保存到当前时刻的单元状态Ct， 通 过公式(3)与公式(4)确定： it＝σ(Wi*[ht‑1， Yt]+bi) (3) 所述输出门通过公式(5)与公式(6)确定： ot＝σ(Wo[ht‑1， Yt]+bo (5) ht＝[ot*tanh(Ct)] (6) 3.根据权利要求2所述的方法， 其特 征在于， 更新的细胞状态通过公式(7)确定： 权　利　要　求　书 1/1 页 2 CN 113987950 A 2风机叶片 覆冰厚度的长短时记忆校正预报方 法及系统 技术领域 [0001]本申请涉及 风电场覆冰监测领域， 具体地涉及一种风机叶片覆冰厚度的长短时记 忆校正预报方法及系统。 背景技术 [0002]随着风力发电技术的发展， 风电场都处于海拔较高的山区， 使得风机冻雨覆冰的 频繁发生。 开展风机冻雨覆冰的数值预测， 并对预测结果开展校正预报， 提升风机冻雨覆冰 数值预报的准确率， 可指导电网企业合理调度， 增加清洁能源的并网， 减少火电场电能的使 用。 发明内容 [0003]本申请实施例的目的是提供一种风机叶片覆冰厚度的长短时记忆校正预报方法 及系统。 [0004]为了实现上述目的， 本申请第一方面提供一种风机叶片覆冰 厚度的长短时记忆校 正预报方法， 包括： [0005]选择需要开展冻雨覆冰数值预报的区域， 将该区域划分成等经纬网格； [0006]收集一种全球模式的数值预报 结果， 用作开展冻雨覆冰数值预测的初始场数据和 边界条件数据； [0007]将收集的初始场和边界条件， 按照预报区域的网格进行插值， 得到统一格点的网 格数据； [0008]选择一种区域数值预报模式， 并选择一种优选的参数化方案， 将网格点数据， 输入 数值模式， 开展数值积分计算， 并输出风机冻雨覆冰在未来 不同时刻的数据； [0009]采用长短时记忆神经网络对所选区域的冻雨覆冰数值预测结果进行长期(季节尺 度)、 中期(月尺度)和短期(日尺度)的训练， 得到不同时间尺度的模 型， 模型通过公 式(1)确 定： [0010] [0011]其中Y为预测值， S 为一年中的季节类型， M为月度标记， D 为日期标记， Y为当前时刻 的数值模式输出 结果， Y‑为前一时刻的预报结果， Re为前一时刻实际预报值。 [0012]可选地， 所述模型包括遗忘门、 记忆门和输出门， 所述遗忘门决定上一时刻的单元 状态Ct‑1有多少保留到当前时刻Ct， 通过公式(2)确定： [0013]ft＝σ(Wf*[ht‑1,Yt]+bf)  (2) [0014]所述记忆门决定当前输入Yt的单元状态 有多少保存到当前时刻的单元状态 Ct， 通过公式(3)与公式(4)确定： [0015]it＝σ(Wi*[ht‑1,Yt]+bi)  (3) [0016] 说　明　书 1/3 页 3 CN 113987950 A 3