-
公开(公告)号:CN112801350B
公开(公告)日:2022-09-06
申请号:CN202110042233.8
申请日:2021-01-13
申请人: 中国电建集团华东勘测设计研究院有限公司 , 中国科学技术大学
摘要: 本发明涉及一种基于不确定度的深度学习超短时风电功率预测方法,其特征在于:S01、获取若干指定高度下、当前及过去连续的一定时间内多个时刻的风电数据,风电数据包括风速、风向;S02、对风电数据进行预处理;S03、将经预处理的当前及过去连续的一定时间内多个时刻各指定高度的风电数据输入训练好的贝叶斯深度学习超短时风电功率预测网络模型,模型输出各指定高度下的风电功率预测值、模型不确定度和偶然不确定度;S04、根据偶然不确定度、模型不确定度判断预测结果的可信程度;所述贝叶斯深度学习超短时风电功率预测网络模型的训练集中每个样本取连续的一定时间内多个时刻对应所述若干指定高度的风电数据,及该一定时间内最后时刻的风电功率。
-
公开(公告)号:CN112990553A
公开(公告)日:2021-06-18
申请号:CN202110199424.5
申请日:2021-02-23
申请人: 中国电建集团华东勘测设计研究院有限公司 , 中国科学技术大学
摘要: 本发明涉及一种使用自注意机制和双线性融合的风电超短期功率预测方法,具有NWP数据处理支路和历史功率数据处理支路,其中:NWP数据处理支路,包括:获取NWP数据;对NWP数据进行数据归一化操作;将NWP数据中的风速风向输入GRU网络模型学习风速风向的时序特征,使用注意力机制实现对时间序列的自动化关注;历史功率数据处理支路,包括:获取历史功率数据;对历史功率数据进行数据补缺、数据清洗和数据归一化操作;将历史功率数据输入GRU网络模型学习功率数据的时序特征,使用注意力机制实现对时间序列的自动化关注;根据双线性信息融合框架将NWP数据处理和历史功率数据处理两条支路的信息进行融合,再经过全连接层进行超短期风力发电的预测。
-
公开(公告)号:CN112801350A
公开(公告)日:2021-05-14
申请号:CN202110042233.8
申请日:2021-01-13
申请人: 中国电建集团华东勘测设计研究院有限公司 , 中国科学技术大学
摘要: 本发明涉及一种基于不确定度的深度学习超短时风电功率预测方法,其特征在于:S01、获取若干指定高度下、当前及过去连续的一定时间内多个时刻的风电数据,风电数据包括风速、风向;S02、对风电数据进行预处理;S03、将经预处理的当前及过去连续的一定时间内多个时刻各指定高度的风电数据输入训练好的贝叶斯深度学习超短时风电功率预测网络模型,模型输出各指定高度下的风电功率预测值、模型不确定度和偶然不确定度;S04、根据偶然不确定度、模型不确定度判断预测结果的可信程度;所述贝叶斯深度学习超短时风电功率预测网络模型的训练集中每个样本取连续的一定时间内多个时刻对应所述若干指定高度的风电数据,及该一定时间内最后时刻的风电功率。
-
公开(公告)号:CN112990553B
公开(公告)日:2023-11-14
申请号:CN202110199424.5
申请日:2021-02-23
申请人: 中国电建集团华东勘测设计研究院有限公司 , 中国科学技术大学
摘要: 本发明涉及一种使用自注意机制和双线性融合的风电超短期功率预测方法,具有NWP数据处理支路和历史功率数据处理支路,其中:NWP数据处理支路,包括:获取NWP数据;对NWP数据进行数据归一化操作;将NWP数据中的风速风向输入GRU网络模型学习风速风向的时序特征,使用注意力机制实现对时间序列的自动化关注;历史功率数据处理支路,包括:获取历史功率数据;对历史功率数据进行数据补缺、数据清洗和数据归一化操作;将历史功率数据输入GRU网络模型学习功率数据的时序特征,使用注意力机制实现对时间序列的自动化关注;根据双线性信息融合框架将NWP数据处理和历史功率数据处理两条支路的信息进行融合,再经过全连接层进行超短期风力发电的预测。
-
公开(公告)号:CN112836434A
公开(公告)日:2021-05-25
申请号:CN202110196212.1
申请日:2021-02-22
申请人: 中国电建集团华东勘测设计研究院有限公司 , 中国科学技术大学
IPC分类号: G06F30/27 , G06Q10/04 , G06Q50/06 , G06N3/063 , G06N3/08 , G06F113/06 , G06F119/06
摘要: 本发明涉及一种融合时序特征和统计特征的风电超短期功率预测方法。本发明的目的是提供一种融合时序特征和统计特征的风电超短期功率预测方法。本发明的技术方案是:一种融合时序特征和统计特征的风电超短期功率预测方法,其特征在于:获取NWP数据,并对NWP数据进行修正;将经修正的NWP数据中的风速风向输入CNN网络模型提取统计特征;获取历史功率数据,并对历史功率数据进行清洗;将经清洗的历史功率数据输入GRU网络模型提取时序特征;将风速风向的统计特征和功率数据的时序特征融合,输入训练好的超短期风电预测模型,输出风电功率预测值。本发明适用于风力发电功率预测领域。
-
公开(公告)号:CN117154684A
公开(公告)日:2023-12-01
申请号:CN202310771553.6
申请日:2023-06-27
申请人: 中国电建集团华东勘测设计研究院有限公司 , 浙江大学
IPC分类号: H02J3/00 , H02J3/32 , H02J3/38 , B60L53/60 , B60L55/00 , G06Q10/0631 , G06Q50/06 , G06Q50/26 , G06Q30/0283
摘要: 本发明公开了一种微电网的实时经济调度方法;该方法包括设定微电网运行的经济调度目标和约束条件;结合微电网的产消能力和电动汽车模型,设定智能调度优化模型;根据对抗生成网络,对所述智能调度优化模型进行求解,获取实时经济调度微电网的微电网动作策略。本申请首先,设计了含集群电动车的微电网模型与优化问题,通过求解优化问题获得专家动作用于构造基于微电网历史数据的专家数据集。然后构建了策略网络和评判网络,通过策略网络输出的动作为学徒动作。将专家的动作策略视为最优策略,训练评判网络以达到能够区分专家动作和学徒动作,同时以能够获得评判网络尽可能高的评分为目标训练策略网络。使得微电网系统的运行成本最小。
-
公开(公告)号:CN115759773A
公开(公告)日:2023-03-07
申请号:CN202211447126.4
申请日:2022-11-18
申请人: 中国电建集团华东勘测设计研究院有限公司
IPC分类号: G06Q10/0637 , G06Q50/06
摘要: 本发明涉及一种耦合制氢制氨的可再生能源发电系统容量规划方法。本发明的技术方案为一种耦合制氢制氨的可再生能源发电系统容量规划方法,其特征在于:步骤1、依据风光制氢储氢系统综合保障制氨电量、制氨所需氢气的原则,建立风光制氢制氨系统运行的调度策略;步骤2、耦合风光制氢制氨系统运行调度策略,利用多目标优化算法对风光氢规划容量进行优化配置;步骤S2包括:优化变量为风电规模、光伏规模、制氢规模和储氢规模;优化目标包括制氨规模最大、弃风弃光电量最小、投资最小。本发明适用于可再生能源发电系统规划和制氢、制氨联合开发领域。
-
公开(公告)号:CN115759619A
公开(公告)日:2023-03-07
申请号:CN202211433455.3
申请日:2022-11-16
申请人: 中国电建集团华东勘测设计研究院有限公司
IPC分类号: G06Q10/0631 , G06Q50/06 , G06Q10/04
摘要: 本发明涉及一种考虑预报信息的园区风光储氢调度方法,适用于园区风光储氢发电能量管理系统和风光储氢联合调度策略领域。该调度方法为:S1、采集园区当前时刻的风电出力实际信息Pwi、光伏出力实际信息Psi和负荷实际信息Pui;S2、基于当前时刻采集园区未来的风电出力预测信息P′wi和光伏出力预测信息P′si;S3、基于当前时刻采集园区未来的负荷预测信息P′ui;S4、对园区用电尖峰、高峰、低谷时段,电化学储能和电解水制氢储能发电系统运行效益进行分析判断;S5、综合园区当前时刻的风电出力实际信息Pwi、光伏出力实际信息Psi和负荷实际信息Pui,园区未来的风电出力预测信息P′wi、光伏出力预测信息P′si和负荷预测信息P′ui,以及电化学储能和电解水制氢储能发电系统运行效益进行园区风光储氢调度。
-
公开(公告)号:CN115207951A
公开(公告)日:2022-10-18
申请号:CN202110576452.4
申请日:2021-05-26
申请人: 中国电建集团华东勘测设计研究院有限公司
摘要: 本发明公开了一种考虑风电场弃风及预测误差考核的储能系统控制方法。考虑了风电场弃风及预测误差指标,研究风电场储能系统运行策略控制,可有效减少风电场预测系统误差、并减少风电场弃风电量。所述方法包括以下步骤:对风电场实际输出功率、电网对风电场下达的功率指令、风功率预测系统预测功率进行秒级采集;对风电场短期预测、超短期预测误差进行核算;对储能系统运行参数进行采集和判定;根据储能系统运行状态对储能系统进行充放电控制。
-
公开(公告)号:CN109255726A
公开(公告)日:2019-01-22
申请号:CN201811042356.6
申请日:2018-09-07
申请人: 中国电建集团华东勘测设计研究院有限公司 , 浙江大学
CPC分类号: G06Q50/06 , G06K9/6223 , G06K9/6247 , G06Q10/04
摘要: 本发明公开了一种基于混合智能技术的超短期风功率预测方法。以解决超短期风力发电难以预测的挑战。所提方法在可用的原始数据基础上采用一系列数据处理技术,包括基于统计分析的输入变量选取、基于主成分分析(PCA)技术的属性约简以及基于K-means聚类算法的特征子集划分,以获得更为相关及有效的浓缩数据作为预测的输入信息。所提方法采用自适应神经模糊推理系统(ANFIS)对输入信息进行训练学习,以获取输出预测结果。训练过程中通过粒子群优化(PSO)算法对ANFIS参数优化求解,以降低预测误差。应用实际风电场的预测结果对该混合智能方法进行了评价,实验表明,该方法能达到有效的预测精度。
-
-
-
-
-
-
-
-
-