一种考虑空气湿度的风电功率预测方法

    公开(公告)号:CN106779202A

    公开(公告)日:2017-05-31

    申请号:CN201611119442.3

    申请日:2016-12-08

    Abstract: 本发明公开了一种考虑空气湿度的风电功率预测方法,它包括1、采集基础数据信息;2、采集实时数值天气预报数据,风电场实时输出功率数据、实时风电机组及风电场运行状态数据;3、根据2获取的实时数据,计算出风电场空气绝对湿度e’和计及空气绝对湿度的空气密度ρ;4、对功率‐风速(P‐V)曲线进行实时拟合修正,获得第ξ时刻拟合修正后的切入风速Vciξ、切出风速Vcoξ、额定风速VNξ;5、得到第ξ时刻,第δ台风机计及空气绝对湿度的空气密度ρ的功率‐风速(Pδξ‐Vξ)曲线;6、计算整个风电场第ξ时刻的风电功率预测值Pξ;解决了现有风电功率预测技术中风电功率预测精度低的问题。

    一种基于深度决策树算法的电力负荷特性挖掘方法

    公开(公告)号:CN108011367B

    公开(公告)日:2020-12-18

    申请号:CN201711262761.4

    申请日:2017-12-04

    Abstract: 本发明揭露一种基于深度决策树算法的电力负荷特性挖掘方法,该方法通过采用深度决策树算法来对电力负荷特性进行深度的挖掘。首先通过现有的电力系统智能采集装置对海量电力用户负荷特征数据以及影响电力负荷变化的诸多因素数据进行采集,对所收集的电力负荷数据以及其他因素数据进行预处理,建立训练数据集,利用所建立的训练数据集对深度决策树算法进行训练,最后利用训练完成的深度决策树算法对电力用户负荷特性进行智能挖掘。另外,采用的深度决策树算法是一种较新的机器学习数据挖掘分类算法,该算法具有无需大量设置超参数、自行确定模型深度的优点,可对有效对电力负荷特性进行智能挖掘,所得结果可服务于电网企业调度、运行等多方面。

Patent Agency Ranking