基于模板引擎的多维度画布生成系统及方法

    公开(公告)号:CN117873475A

    公开(公告)日:2024-04-12

    申请号:CN202410065445.1

    申请日:2024-01-17

    IPC分类号: G06F8/38 G06F8/35 G06F8/30

    摘要: 本发明提供了基于模板引擎的多维度画布生成系统,其具备灵活性和可定指定、自动化且高效,此外具备可扩展性和易管理性。其包括:维度定义模块,用于接收用户定义的维度信息;指标定义模块,用于接收用户定义的指标信息;画布模板创建模块,用于创建画布模板并定义维度和指标的展示方式和位置;数据填充模块,用于从数据源中获取数据,并将数据填充到画布模板中相应的位置;以及画布生成模块,用于根据填充后的画布模板生成最终的画布。

    基于EEMD的双向LSTM网络风速预测方法

    公开(公告)号:CN114781739A

    公开(公告)日:2022-07-22

    申请号:CN202210484593.8

    申请日:2022-05-06

    摘要: 本发明提供了基于EEMD的双向LSTM网络风速预测方法,其采用EEMD将风速序列分解为多个频域相对稳定的子序列,避免了EMD的模态混叠现象,再采用BiLSTM构建预测模型,提高了风速预测的精度。其包括如下步骤:步骤1、数据采集,采集得到对应风力发电场的风速数据;步骤2、数据预处理,采用Z‑score对数据进行归一化处理,将数据集使用转换成合适的形式,其中x为原始风速数据,μ为全部风速数据的均值,σ为全部风速数据的标准方差,x'为归一化后的风速数据;步骤3、数据去噪,其在混合模型中采用EEMD进行数据去噪,其将实际输入信号分为多个IMFS和一个残差分量;步骤4、模型训练,将数据划分为训练数据及测试数据,其采用双向LSTM网络进行风速预测;步骤5、性能验证。

    风力发电机组故障判断方法
    4.
    发明公开

    公开(公告)号:CN114198265A

    公开(公告)日:2022-03-18

    申请号:CN202111296506.8

    申请日:2021-11-03

    IPC分类号: F03D17/00 F03D80/00

    摘要: 本发明提供一种风力发电机组故障判断方法,属于风力发电技术领域。该方法包括:获取风力发电机PLC的实时数据,并在实时数据中获取风力发电机有功功率,并对风力发电机有功功率值进行判定,如果风力发电机有功功率不大于零,则对风力发电机的状态码是否是故障进行判定;如果风力发电机的状态码是故障,则判定风力发电机的当前状态是故障,并对故障持续的时间进行判定;如果故障持续的时间超过第一预设阈值,则需要现场对风力发电机的故障进行处理。采用本方法对风力发电机故障进行判断,判断结果与风力发电机实际状态偏差小,判断结果准确。

    一种基于变窗口模式识别的时间序列数据处理方法

    公开(公告)号:CN112632047A

    公开(公告)日:2021-04-09

    申请号:CN202011402843.6

    申请日:2020-12-02

    摘要: 一种基于变窗口模式识别的时间序列缺失值填补方法,所述方法包括如下步骤:基于运行机理的风电机组有功功率相关性变量选取;基于数据特征选择的风电机组有功功率相关性变量选取;针对风电机组有功功率的多维相关性变量的变窗口模式匹配;基于相似模式的风电机组有功功率连续缺失数据块多重填补;多重填补结果评价及确认;针对工业物联网广泛存在以及常见的数据连续缺失情况,可以高效、准确的实现高比例缺失数据的填补,大大提高有效数据量,为机器学习、人工智能等数据驱动类算法的实施和应用奠定了重要的数据基础。

    光伏电站的短期功率预测方法

    公开(公告)号:CN114154688B

    公开(公告)日:2024-09-17

    申请号:CN202111366036.8

    申请日:2021-11-18

    IPC分类号: H02J3/00 G06N3/0464 G06Q50/06

    摘要: 本发明提出一种光伏电站的短期功率预测方法,属于光伏发电技术领域。本发明的光伏电站的短期功率预测方法具体包括:基于光伏发电系统的运行数据构建光伏发电功率预测系统的孪生模型;所述孪生模型通过GINs与所述光伏发电系统进行知识交互学习,以将关系知识从所述光伏发电系统转移到所述孪生模型,并指导所述光伏发电系统进行短期功率预测。本发明将数字孪生技术应用于光伏发电站,通过将其现场运行数据映射到虚拟空间构建数字孪生体,可高保真反映其运行状况,以及,采用信息交互网络完成光伏发电系统现场与其数字孪生模型之间的信息交互学习,完成数字孪生模型的实时更新,并对光伏电站超短期功率进行实时精准预测。