(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 202211041140.4 (22)申请日 2022.08.29 (71)申请人 华能国际电力开发 公司吉林通 榆风 电分公司 地址 137299 吉林省白城市通 榆县团结乡 和同发畜牧场境内(通榆县开通镇兴 华北街1684 号) 申请人 北京华能新锐控制技 术有限公司 (72)发明人 单大勇　葛鎣　张建新　田柏全　 安琪　蔡俊龙　李景伟　陈德彬　 任玉廷　于波　 (74)专利代理 机构 北京华锐创新知识产权代理 有限公司 1 1925 专利代理师 黄景华(51)Int.Cl. G06Q 50/06(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) G06K 9/62(2022.01) G06F 30/27(2020.01) G06F 119/06(2020.01) (54)发明名称 风电场能量管理系统及其方法 (57)摘要 本申请涉及风电场智能管 理的领域， 其具体 地公开了一种风电场能量管 理系统及其方法， 其 通过采用人工智能预测管理技术， 将包含当前时 间点在内的多个预定时间点的网调下发给风电 场的能量目标值 以及与电网连接的所有电用户 的用电功率值作为输入数据， 使用深度神经网络 模型作为特征提取器， 从而挖掘出所述网调下发 给风电场的能量目标值 以及所述所有电用户的 用电功率值在时序维度上的动态隐含关联特征， 并基于这种特征信息来进行下一时间点网调下 发给风电场的能量目标值变化的调控， 进而保证 电力系统的稳定运行。 权利要求书3页 说明书16页 附图5页 CN 115409649 A 2022.11.29 CN 115409649 A 1.一种风电场能量管理系统， 其特 征在于， 包括： 下发能量目标值采集模块， 用于获取包含当前时间点在内的多个预定时间点的网调下 发给风电场的能量目标值； 电用户数据采集模块， 用于获取所述多个预定时间点的与电网连接的所有电用户的用 电功率值； 能量目标值 时序编码模块， 用于将所述多个预定时间点的网调下发给风电场的能量目 标值通过包含一维卷积层的时序编码器以得到能量目标 特征向量； 电用户数据结构化模块， 用于将所述多个预定时间点的与电网连接的所有电用户的用 电功率值按照电用户样本维度和时间维度排列为用电输入矩阵； 用电数据局部关联编码模块， 用于将所述用电输入矩阵通过作为特征提取器的卷积神 经网络以得到用电局部关联 特征图； 用电数据全局关联编码模块， 用于将所述用电局部关联特征图通过非局部神经网络以 得到用电全局关联 特征图； 融合模块， 用于 融合所述用电局部关联特征图和所述用电全局关联特征图以得到用电 特征图； 校正模块， 用于对所述用电特征图的各个沿通道维度的特征向量进行特征值校正以得 到校正后用电特 征图； 全局均值池化模块， 用于对所述校正后用电特征图进行沿通道维度的全局均值池化以 得到用电特 征矩阵； 映射模块， 用于将所述 能量目标特征向量与所述用电特征矩阵进行相乘以得到分类特 征向量； 以及 预测结果生成模块， 用于将所述分类特征向量通过分类器以得到分类结果， 所述分类 结果用于表示下一时间点网调下发给风电场的能量目标值增大或减小。 2.根据权利要求1所述的风电场能量管理系统， 其特征在于， 所述 能量目标值 时序编码 模块， 包括： 输入向量构造单元， 用于将所述多个预定时间点的网调下发给风电场的能量目标值按 照时间维度排列为输入向量； 全连接编码单元， 用于使用所述 时序编码器的全连接层以如下公式对所述输入向量进 行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征， 其中， 所述公 式为： 其中X是所述输入向量， Y是输出向量， W是权重矩 阵， B是偏置向 量， 表示矩阵乘； 一维卷积编码单元， 用于使用所述 时序编码器的一维卷积层以如下公式对所述输入向 量进行一维卷积编 码以提取出所述输入向量中各个位置的特征值间的高维隐含关联特征， 其中， 所述公式为： 其中， a为卷积核在x方向上的宽度、 F为卷积核参数向量、 G为与卷积核函数运算的局部权　利　要　求　书 1/3 页 2 CN 115409649 A 2向量矩阵， w 为卷积核的尺寸， X表示所述输入向量。 3.根据权利要求2所述的风电场能量管理系统， 其特征在于， 所述电用户数据 结构化模 块， 包括： 时间维度排列 单元， 用于将所述多个预定时间点的与电网连接的所有电用户的用电功 率值按照所述时间维度分别排列为行向量以得到多个行向量； 以及 样本维度排列 单元， 用于将所述多个行向量按照所述电用户样本维度排列为所述用电 输入矩阵。 4.根据权利要求3所述的风电场能量管理系统， 其特征在于， 所述用电数据局部关联编 码模块， 进一步用于： 所述作为特征提取器的卷积神经网络的各层在层的正向传递中对输 入数据分别进行： 对输入数据进行 卷积处理以得到卷积特 征图； 对所述卷积特 征图进行均值池化处 理以得到池化特 征图； 以及 对所述池化特 征图进行非线性激活以得到 激活特征图； 其中， 所述作为特征提取器的卷积神经网络的最后 一层的输出为所述用电局部关联特 征图， 所述作为特 征提取器的卷积神经网络的第一层的输入为所述用电输入矩阵。 5.根据权利要求4所述的风电场能量管理系统， 其特征在于， 所述用电数据全局关联编 码模块， 包括： 点卷积单元， 用于将所述用电局部关联特征图分别输入所述非局部神经网络的第 一点 卷积层、 第二 点卷积层和第三 点卷积层以得到第一特 征图、 第二特 征图和第三特 征图； 第一融合单元， 用于计算所述第 一特征图和所述第 二特征图的按位置加权和以得到中 间融合特 征图； 归一化单元， 用于将所述中间融合特征图输入Softmax函数以对所述中间融合特征图 中各个位置的特 征值进行归一 化以得到归一 化中间融合特 征图； 第二融合单元， 用于计算所述归一化中间融合特征图和所述第 三特征图的按位置加权 和以得到再融合特 征图； 全局感知单元， 用于将所述再融合特征图通过嵌入高斯相似性函数以计算所述再融合 特征图中各个位置的特 征值间的相似性以得到全局感知特 征图； 通道数调整单元， 用于将所述全局感知特征图通过所述非局部神经网络的第四点卷积 层以得到通道调整全局感知特 征图； 以及 第三融合单元， 用于计算所述通道调整全局感知特征图和所述高维关联局部特征图的 按位置加权和以得到所述用电全局关联 特征图。 6.根据权利要求5所述的风电场 能量管理系统， 其特征在于， 所述融合模块， 进一步用 于： 以如下公式融合所述用电局部 关联特征图和所述用电全局关联特征图 以得到所述用电 特征图； 其中， 所述公式为： 其中， Fs为所述用电特征图， F1为所述用电局部关联特征图， F2为所述用电全局关联特 征图， 表示特征图的按位置加法， α和β 为用于控制所述用电特征图中所述用电局部关联 特征图和所述用电全局关联 特征图之间的平衡的加权参数。权　利　要　求　书 2/3 页 3 CN 115409649 A 3