-
公开(公告)号：CN105048499A
公开(公告)日：2015-11-11
申请号：CN201510441034.9
申请日：2015-07-24
Applicant: 中国农业大学
IPC: H02J3/38
CPC classification number: Y02A30/62
Abstract: 本发明公开一种基于模型预测控制的风电并网实时调度方法及装置，能够提高风电并网实时调度的准确度，从而能够提升风电并网的稳定性。所述方法包括：计算大电网中各台风机的发电量指标；建立风机功率预测模型，以及风机出力计划与所述风机功率预测模型的功率预测结果的关系，通过对所述风机功率预测模型进行滚动优化，对风机出力计划与所对应的发电量指标之间的误差进行反馈校正，使风机出力计划与所对应的发电量指标之间的误差在预设的误差范围内。
-
公开(公告)号：CN105048499B
公开(公告)日：2017-11-03
申请号：CN201510441034.9
申请日：2015-07-24
Applicant: 中国农业大学
IPC: H02J3/38
CPC classification number: Y02A30/62
Abstract: 本发明公开一种基于模型预测控制的风电并网实时调度方法及系统，能够提高风电并网实时调度的准确度，从而能够提升风电并网的稳定性。所述方法包括：计算大电网中各台风机的发电量指标；建立风机功率预测模型，以及风机出力计划与所述风机功率预测模型的功率预测结果的关系，通过对所述风机功率预测模型进行滚动优化，对风机出力计划与所对应的发电量指标之间的误差进行反馈校正，使风机出力计划与所对应的发电量指标之间的误差在预设的误差范围内。
-
公开(公告)号：CN105719029A
公开(公告)日：2016-06-29
申请号：CN201610140115.X
申请日：2016-03-11
Applicant: 中国农业大学
Abstract: 本发明公开了一种基于风速波动特征提取的风电功率组合预测方法，包括以下步骤：对训练样本采集的风速数据进行归一化；对归一化之后的风速建立时间窗口，并在该时间窗口内进行多重分形谱分析；分析比较每一时间窗口的奇异指数α取值区间的宽度ω，奇异谱函数f(α)的峰值差Δf(α)，f(α)的对称性参数S。根据参数[ω,Δf(α),S]对风速进行分类，并进一步调整时间窗口的大小。采用极端学习机、支持向量机和优化回归功率曲线方法对划分的类别依次进行训练，并对所产生的预测结果进行月均精度对比，选择其中一种方法作为该类别的最优单体算法，得到训练好的模型。对测试样本进行相同的分类及建模，并对不同模型选择对应的最优单体算法分别进行预测，最后组合得到最终的预测结果。
-
公开(公告)号：CN105719029B
公开(公告)日：2019-08-27
申请号：CN201610140115.X
申请日：2016-03-11
Applicant: 中国农业大学
Abstract: 本发明公开了一种基于风速波动特征提取的风电功率组合预测方法，包括以下步骤：对训练样本采集的风速数据进行归一化；对归一化之后的风速建立时间窗口，并在该时间窗口内进行多重分形谱分析；分析比较每一时间窗口的奇异指数α取值区间的宽度ω，奇异谱函数f(α)的峰值差Δf(α)，f(α)的对称性参数S。根据参数[ω,Δf(α),S]对风速进行分类，并进一步调整时间窗口的大小。采用极端学习机、支持向量机和优化回归功率曲线方法对划分的类别依次进行训练，并对所产生的预测结果进行月均精度对比，选择其中一种方法作为该类别的最优单体算法，得到训练好的模型。对测试样本进行相同的分类及建模，并对不同模型选择对应的最优单体算法分别进行预测，最后组合得到最终的预测结果。
-
-
-
Search Results
4
records
(took 0.018 seconds)
