一种基于动态自适应的风电集群功率预测方法

    公开(公告)号:CN106875033A

    公开(公告)日:2017-06-20

    申请号:CN201611215714.X

    申请日:2016-12-26

    IPC分类号: G06Q10/04 G06Q50/06 G06N3/08

    摘要: 发明提供一种基于动态自适应的风电集群功率预测方法,按以下步骤进行:步骤1:收集历史数据,对风电集群进行划分;步骤2:根据划分的风电集群,建立时间序列预测模型、数值天气预报预测模型、空间资源匹配预测模型三个预测模型,并训练风电集群三个预测模型的功率预测;步骤3:根据三种模型的训练误差评价结果选择训练误差评价结果最佳的预测模型;步骤4:收集实时数值天气预报NWP数据和实时功率测量数据;步骤5:根据训练过程中选择的预测模型,代入实时NWP数据和实时功率测量数据,得到子集群预测结果,将子集群的功率预测结果相加,得到集群总体预测结果。本发明针对不同工况的风电集群选取最佳的预测模型,提升预测精度。

    一种低温寒潮极端天气条件下风电出力受限预估方法

    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

    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。

    一种电缆接头典型缺陷局放表征特征挖掘及模式识别方法

    公开(公告)号:CN114252738A

    公开(公告)日:2022-03-29

    申请号:CN202111597378.0

    申请日:2021-12-24

    发明人: 彭小圣 陈奕虹

    IPC分类号: G01R31/08

    摘要: 本发明提出一种电缆接头典型缺陷局放表征特征挖掘及模式识别方法,包括以下步骤:通过实验获得电缆接头4种典型缺陷下的PD数据,对数据进行预处理;基于时间窗的动态调整在不同的时间尺度上进行PD特征构建,拟构建出PD的微秒级脉冲特征、分钟级特征和小时级特征;基于多时间尺度特征,进行特征变换以获得更多特征,对所有特征进行随机森林特征选择,筛选出能够有效表征PD新特征和模式识别最优输入特征;将获得的模式识别最优特征作为输入特征集,进行基于深度学习的模式识别训练和测试;得到多样性识别结果开展集成学习,形成最终的基于集成学习的PD识别模型,输出电缆接头典型缺陷PD识别结果。本发明能够有效提升电缆PD识别精度。

    一种高压电力设备局部放电检测系统及局部放电识别方法

    公开(公告)号:CN106771922B

    公开(公告)日:2019-06-18

    申请号:CN201611235481.X

    申请日:2016-12-28

    发明人: 彭小圣 樊闻翰

    IPC分类号: G01R31/12

    摘要: 本发明提供一种高压电力设备局部放电检测系统及局部放电识别方法,局部放电检测系统结构为每支HFCT安装在一根高压电缆接地线上,暂态地电波传感器TEV安装在开关柜外壁上;三支HFCT分别通过一根BNC同轴电缆依次连接一支高通滤波器、一支宽带增益放大器,并连接到数据采集单元的前三个通道;一支TEV通过另一根BNC同轴电缆直接连接到数据采集单元的第四通道;相位信号获取单元安装在高压电缆上,并通过又一根BNC同轴电缆连依次接低通滤波器和数据采集单元的外部触发接口。局部放电识别方法包括对前三个通道的局部放电信号的识别方法和第四个通道的局部放电信号的识别方法。本发明实现对多源头局部放电的同步判断,提高识别的准确度。

    基于多变量形态和多标签Faster R-CNN的发电机定子局放识别方法

    公开(公告)号:CN117523303A

    公开(公告)日:2024-02-06

    申请号:CN202311556043.3

    申请日:2023-11-17

    发明人: 彭小圣 陈玉竹

    摘要: 本发明公开一种基于多变量形态和多标签Faster R‑CNN的发电机定子局放识别方法,采集发电机定子线棒局放数据,构建局放图谱的多变量形态学特征;通过设计全新的具有多标签检测功能的感兴趣区域池化结构Faster R‑CNN对局放图谱进行图谱区域划分,获取能够表征不同类型缺陷的局放样本的主成分空间区域;基于图谱划分结果采用MobileNet、SuffleNet、SqueezeNet和EfficientNet四种轻量化神经网络进行联合加权聚合,将局放样本主成分空间区域通过学习通道权重和空间权重来选择每个通道和每个空间位置的重要性,最终模式识别结果为通道的权重和空间权重的加权平均。本发明通过获取局放样本主成分空间区域,实现了基于发电机定子典型缺陷局放图谱部分区域的模式识别。

    空间电荷和PD联合测试实验设备与实验方法

    公开(公告)号:CN114137370A

    公开(公告)日:2022-03-04

    申请号:CN202111403004.0

    申请日:2021-11-24

    发明人: 彭小圣 李聪

    IPC分类号: G01R31/12

    摘要: 本发明公开了一个空间电荷和PD联合测试实验设备及实验方法,设备结构为电源产生系统的高压放大器与空间电荷测量及应力调节系统的上电极相连;电源产生系统的高压直流电源与局部放电测量系统的同步控制装置相连;局部放电测量系统的示波器与空间电荷测量及应力调节系统的超声传感器、天线传感器、放大器和测量电极的输出端相连;应力测量系统的示波器与空间电荷测量及应力调节系统的压电传感器相连;应力测量系统、温度控制及测量系统分别与局部放电测量系统的同步控制装置相连。基于本设备分别对四种典型缺陷复合片状试样开展阶梯加压测试,旨在解决复杂条件下的PD产生机理尚不明确和直流PD表征困难,识别难度大的问题。