-
公开(公告)号:CN112348292A
公开(公告)日:2021-02-09
申请号:CN202110015294.5
申请日:2021-01-07
申请人: 中国电力科学研究院有限公司
摘要: 本发明提供了一种基于深度学习网络的短期风电功率预测方法和系统,包括:获取待预测风电所在区域的数值天气预报数据;将数值天气预报数据输入预先训练的深度学习映射模型,得到风电功率的预测值;其中,深度学习映射模型包括数值天气预报数据与风电功率预测值的对应关系;数值天气预报数据按照位置构成网格,网格中每个格点包括多个天气参数;本发明可提升风电场短期功率预测精度,同时可以降低区域风电功率预测模型的建模时间,降低所需的计算资源和人力资源。
-
公开(公告)号:CN110390343A
公开(公告)日:2019-10-29
申请号:CN201810340865.0
申请日:2018-04-16
申请人: 中国电力科学研究院有限公司 , 国网山东省电力公司
摘要: 一种空间气象数据的订正方法及系统,包括:获取气象观测点的观测数据和再分析网格数据;基于预设的距离从所述再分析网格数据中确定可订正数据;基于所述观测数据和再分析网格数据的相似性在所述可订正数据中确定订正数据;将相似性订正系数作为订正权重用所述订正数据对应的观测数据对所述订正数据进行订正。本发明考虑了当观测点与网格点之间的距离,通过两次订正条件的筛选,减少了订正误差,并使得参与订正的网格数据减少,有利于减少计算量,节约机时。
-
公开(公告)号:CN109840308B
公开(公告)日:2023-12-19
申请号:CN201711220463.9
申请日:2017-11-29
申请人: 中国电力科学研究院有限公司 , 国家电网公司 , 国网山东省电力公司
IPC分类号: G06F17/18 , G06F18/232
摘要: 本发明提供了一种区域风电功率概率预报方法及系统,包括:采集目标时刻风电场的预报功率,从基于预先构建的联合概率分布模型得到的模拟样本集中筛选出符合目标时刻风电场预报功率等级的条件样本集;对所述条件样本集进行拟合得到条件概率分布函数;基于所述条件概率分布函数提取概率预报区间和分位数预报集合。本发明提供的技术方案,根据建立的联合概率分布模型,提取满足风电功率概率预测条件的条件样本集,根据条件样本集构建条件概率分布函数,大大降低了计算难度,提高了工作效率。
-
公开(公告)号:CN108074015B
公开(公告)日:2023-10-27
申请号:CN201711416137.5
申请日:2017-12-25
申请人: 中国电力科学研究院有限公司 , 国家电网公司 , 国家电网公司西北分部 , 国网冀北电力有限公司
IPC分类号: G06Q10/0637 , G06Q10/04 , G06Q50/06
摘要: 本发明提供一种风电功率超短期预测方法及系统,包括:在风电功率主成分波动序列中检测局部极值点,生成连续极值变化范围在装机容量预设阈值约束下的极值点序列;在极值点序列中选取采样数据的相邻极值点,定义历史复合波动序列;计算历史复合波动序列与下一时刻的预测复合波动序列之间的欧式距离;根据欧式距离对历史复合波动序列进行降序排列,并根据波动特征,确定类波动序列;对类波动序列进行类波动趋势融合,获得超短期预测结果。利用风电主成分波动的稳态趋势统计特征,结合未来波动态势判断,实现了高精度的风电功率超短期预测。
-
公开(公告)号:CN115693781A
公开(公告)日:2023-02-03
申请号:CN202211442870.5
申请日:2022-11-17
申请人: 国网吉林省电力有限公司 , 华中科技大学 , 中国电力科学研究院有限公司
IPC分类号: H02J3/38 , H02J3/00 , G06N3/0442 , G06N3/045 , G06N3/0895
摘要: 本发明公开一种低温寒潮极端天气条件下风电出力受限预估方法,对现有的风电场数据进行划分,用于预测模型的训练及测试,结合低温寒潮天气定义指标,对训练数据进行筛选得到低温寒潮极端天气条件下风电出力受限时段、出力正常时段数据,并通过timeGAN和CycleGAN进行样本数据组合扩充;分别构建这两类数据的特征图谱,结合SVM算法训练得到风电出力受限判别模型;通过LSTM网络模型分别构建低温寒潮极端天气条件下风电出力受限时段、出力正常时段预测模型;组合构建低温寒潮极端天气条件下风电出力综合预测模型,将测试数据输入综合预测模型后进入预测,输出结果。通过本方法实现低温寒潮极端天气条件下风电出力受限预警,提升风电出力预测功率精度,具有推广价值。
-
公开(公告)号:CN108549962B
公开(公告)日:2020-10-09
申请号:CN201810561013.4
申请日:2018-06-04
申请人: 中国农业大学 , 中国电力科学研究院有限公司
摘要: 本发明公开了基于历史分段序列搜索和时序稀疏化的风电功率预测方法,对风电功率历史数据进行归一化,根据功率时间序列波动特征和基本统计特性确定搜索的分段时间序列的窗口宽度最优值。以当前时刻最新的分段时间序列为基准,综合相关性指标和相似性距离指标,计算所有历史分段时间序列与当前时刻的分段时间序列的匹配度。按照从大到小的顺序对匹配度进行排序,按照平均匹配度聚合的原则确定最优历史分段序列个数。针对每个时刻的当前分段时间序列,确定其相应的最优历史分段序列个数和最优的平均历史分段序列个数。针对训练时间序列所有时刻,建立时序稀疏化的功率预测模型。采用乘子交替方向法对其求解,得到模型的参数,用于未来的功率预测。
-
公开(公告)号:CN109993335A
公开(公告)日:2019-07-09
申请号:CN201711477025.0
申请日:2017-12-29
申请人: 中国电力科学研究院有限公司 , 国家电网公司 , 国网山东省电力公司
摘要: 本发明提供一种用于风电功率的概率预报方法及系统,包括:从预先建立的风速概率密度函数模型中抽取风速样本输入预先建立的风速风电转换模型,得到风电功率的样本数据;对风电功率的样本数据进行核密度估计,得到风电功率的核密度估计拟合概率密度函数;基于核密度估计拟合概率密度函数,从预设的置信度区间中提取概率预报结果。本发明从预先建立的风速概率密度函数模型中抽取风速样本输入预先建立的风速风电转换模型,充分利用了集合预报提供的天气不确定性信息,能够提供反映风电功率不确定性的连续概率密度分布函数,并利用设置的置信区间,有效提高了概率预报结果的准确性。
-
公开(公告)号:CN108074015A
公开(公告)日:2018-05-25
申请号:CN201711416137.5
申请日:2017-12-25
申请人: 中国电力科学研究院有限公司 , 国家电网公司 , 国家电网公司西北分部 , 国网冀北电力有限公司
摘要: 本发明提供一种风电功率超短期预测方法及系统,包括:在风电功率主成分波动序列中检测局部极值点,生成连续极值变化范围在装机容量预设阈值约束下的极值点序列;在极值点序列中选取采样数据的相邻极值点,定义历史复合波动序列;计算历史复合波动序列与下一时刻的预测复合波动序列之间的欧式距离;根据欧式距离对历史复合波动序列进行降序排列,并根据波动特征,确定类波动序列;对类波动序列进行类波动趋势融合,获得超短期预测结果。利用风电主成分波动的稳态趋势统计特征,结合未来波动态势判断,实现了高精度的风电功率超短期预测。
-
公开(公告)号:CN118485177A
公开(公告)日:2024-08-13
申请号:CN202410651942.X
申请日:2024-05-24
申请人: 东北电力大学 , 吉林农业科技学院 , 国网吉林省电力有限公司经济技术研究院 , 中国电力科学研究院有限公司
IPC分类号: G06Q10/04 , G06Q10/0631 , G06F18/23213 , G06N3/0442 , G06Q50/06
摘要: 本发明公开了一种考虑多元负荷耦合特性的IES负荷预测方法,首先,利用FP‑Growth算法对多元负荷数据进行分析和挖掘,识别出负荷之间的潜在关联性;通过对各个负荷之间的关联度进行累加计算,确定综合能源系统中多元负荷的预测优先级;其次,基于多元负荷的预测优先级,选择具有最高优先级的负荷进行负荷相似波动集划分;进一步地,通过k‑means聚类算法划分相似负荷场景集。最后,针对每个负荷场景集,采取逐级预测的策略,使用双向长短期记忆神经网络进行场景集预测建模,进行多元负荷数据预测。通过算例结果表明:使用本发明方法具有较高的预测精度,能够有效处理负荷的剧烈波动,从而满足系统安全稳定的运行要求。
-
公开(公告)号:CN118353006A
公开(公告)日:2024-07-16
申请号:CN202410513658.6
申请日:2024-04-26
申请人: 东北电力大学 , 国网吉林省电力有限公司经济技术研究院 , 中国电力科学研究院有限公司
IPC分类号: H02J3/00 , H02J3/38 , G06Q10/063 , G06Q10/04 , G06Q50/06
摘要: 本发明公开了一种基于本征可预测量提取的风电集群功率日前预测方法,涉及风力发电预测技术领域。该方法包括:构建面向风电集群的风速功率曲线,基于改进的比恩法构建初始风速功率曲线集;利用每个风速区间的综合评价误差对初始风速功率曲线集进行筛选,得到最终风速功率曲线集;提取本征可预测量,并分离出对应的干扰量;基于本征可预测量,获取本征可预测量的预测值;利用大阈值历史相似匹配法获取所述干扰量的预测值;将本征可预测量的预测值和干扰量的预测值相加,得到最终的风电功率预测值。本发明提出的基于本征可预测量提取的风电集群日前预测方法,其物理意义明确、预测稳定性强、预测性能高、预测结果有效、实用性强。
-
-
-
-
-
-
-
-
-