作品名初稿

智控风电：基于稀疏时空图网络的风电功率预测系统

概述

随着”两山双碳”理论逐渐深入人心，2030年碳达峰目标日益临近，持续稳步提高绿色清洁能源占比愈发重要，发电量占比14.3%(2022)的风电仍然面临一些挑战。

作为一种清洁安全的可再生能源，受制于自然风、气压温度等环境的高度可变的影响，发电量不够稳定且短时间无法获取，为了衡量能否在用电波峰波谷时按照电网需要供给足额的电力（如果无法足额提供，则必须缴纳惩罚费用来启动火力发电厂补足缺额），迫切需要对风电功率进行准确预测。本系统旨在开发一个风电功率预测系统，由私有数据集上传、数据透视、滚动预测、实时更新、一体化模型训练、环境变量相关性分析等多功能前端界面组成，力求做到人机交互友好、模型预测速度快、预测精度较高。其中，数据透视、滚动预测、实时更新为主要功能。数据透视将对历史功率数据和一部分数据集进行量化多维度展示；滚动预测通过调节过去不同长度的时间窗及其预测长度实时展现更新预测效果；实时更新通过推送实时数据与固定时间戳功率方便企业进行用电量调度。

与传统方法相比，该预测系统能够做到24小时不间断检测并将实时数据推送到数据仓库，除了满足基本的风电数据收集，还整合了基于LLG算法的风电功率预测方法、集群化部署、HIVE数据仓库搭建等技术，使得风电功率预测系统功能更加完善，可用性更高。

本系统前端坚固前沿科技和经典稳定的技术栈HTML5、CSS3、Vue3、JQuery框架，后端采用流行的Python3以及轻量化的的Flask框架，降低了代码复杂度便于快速部署。结合软件开发和层次设计的基本规范，使用用户层、业务层、数据持久层三层架构，代码清晰维护性强，安全可信。

数据集介绍

数据集自来百度KDD杯2022的数据集SDWPF，由龙源电力集团有限公司(中国乃至亚洲最大的风力发电企业)提供真实数据，涵盖了温度、天气、涡轮机内部动态环境等数据属性，与先前的将该问题视为简单时间序列预测问题不同，这里附带了涡轮机的位置以及动态的天气关联信息。

索引 属性名 意义
1 TurbID 涡轮机ID
2 Day 记录日期
3 Tmstamp 记录创建时间戳
4 Wspd(m/s) 风速计记录风速
5 Wdir(°) 风向与涡轮机中心夹角
6 Etmp(℃) 环境温度
7 Itemp(℃) 涡轮机舱内温度
8 Ndir(°) 短舱偏航角
9 Pab1(°) 叶片1的桨距角
10 Pab2(°) 叶片2的桨距角
11 Pab3(°) 叶片3的桨距角
12 Prtv(kW) 无功功率
13 Patc(kW) 有功功率（发电功率）

主要特色

  1. 独创性：传统模型大多只局限于处理简单的单点时间序列数据，本团队自行研发了动态时空图构建模块，进一步考虑了风机之间相互位置、地理位置等可能影响发电功率的空间特性，同时引入图拓扑自动稀疏化技术，进一步减少了计算成本，据此提高了预测准确率。

  2. 创新性：系统算法创新性地将时空动态图网络与图拓扑自动稀疏化技术相结合，效果超越了以往只基于图卷积或时间序列分析网络的模型。

  3. 有效性：系统采用龙源中能电力公司开源的真实数据样本进行实验，模型将预测误差降低到4%以下。

  4. 完整性：系统具有功能完善、交互友好的Web管理系统，集成了数据上传、模型训练、功率预测、预测结果联动等一体化功能。

主要功能

本作品主要面向新能源电力行业，设计了风飏智控风电功率预测系统，系统主要功能如下：

  1. 基于图卷积网络，设计实现了基于稀疏时空图网络的风电功率预测模型，根据已有采集的风电数据，智能计算未来的几小时风电场能够输出的电量，降低了预测误差，有效减少后续可能的电力调配成本；

  2. 系统设计了Web管理页面对整个风电场进行高效管控和监测，电力管理员通过Web页面可以随时查阅当前的风电场各个风机的运行状态和未来输出的电量，合理分配电力资源。

技术路线

基于稀疏图时空网络的SD-STG风电功率预测算法设计

动态图生成器模块

我们设计了一个动态时空图学习模块，将某个时间戳的风电场集群描述为瞬时图，一种中间图结构。图中边的权重表示节点（风力涡轮机）之间的空间依赖性和时间相关性，它们随着时间的推移而演变。

我们不是直接生成图的邻接矩阵，而是通过超网络随机初始化节点嵌入，并使用节点嵌入的乘积来描述节点之间的相关性。在深度模型训练的过程中，节点嵌入会自动更新，以学习风电输出可能受到其他节点影响，或者与其他节点相似的节点之间隐藏的相关性。

稀疏动态图学习器

为了获得更好的预测性能，我们进一步优化构建图拓扑结构和模型的图表示学习过程。我们引入注意力机制来实现鲁棒的图表示学习，并采用模拟退火策略来动态调整温度，在训练初期学习更多的信息，在训练后期则更加专注于利用与任务相关的信息，达到稀疏化的效果。

结论

通过SDWPF数据集实验表明，模型将预测误差降低到4%以下。系统设计了Web管理页面，管理员通过Web页面可以简单方便的对整个风电场进行管控并且进行电力分配，有效提升了风电利用效率，减少资源消耗和人力成本。