-
公开(公告)号：CN113887843B
公开(公告)日：2022-08-16
申请号：CN202111480130.6
申请日：2021-12-07
申请人： 中国电力科学研究院有限公司
摘要： 本发明提供了一种风电场输出功率的群体预测方法和系统，包括：将待预测时刻多个风电场站的数值天气预报数据按照预设格式转化为气象图数据；将气象图数据输入预先构建的图卷积预测模型，得到功率图数据作为待预测时刻多个风电场站的输出功率预测值；其中，气象图数据包括各风电场站的气象参数、测量参数以及不同风电场站间的联接权重，图卷积预测模型是采用多个风电场站的历史气象图数据和历史功率图数据训练得到的；本发明仅需建立一个图卷积预测模型即可得到包括多个风电场站功率的多条预测曲线，在大规模风电功率预测场景中，仅需训练、部署、维护一个模型即可实现多个风电场多条预测曲线的预测，可降低模型训练、模型部署、模型维护的成本。
-
公开(公告)号：CN114004430B
公开(公告)日：2022-04-29
申请号：CN202210002536.1
申请日：2022-01-05
申请人： 中国电力科学研究院有限公司
发明人： 冯双磊 , 王伟胜 , 王勃 , 刘纯 , 靳双龙 , 刘晓琳 , 宋宗朋 , 胡菊 , 滑申冰 , 马振强 , 张艾虎 , 郭于阳 , 王铮 , 车建峰 , 张菲 , 姜文玲 , 赵艳青 , 王钊 , 裴岩 , 汪步惟 , 李红莉 , 韩振永
摘要： 本发明提供了一种风速预报方法和系统，包括：基于模式背景场与最新的气象要素数据，采用预先构建的全局最优同化方案进行资料同化，得到模式初始状态；基于模式初始状态，采用预先训练的模式参数化方案进行预测，得到风速预报场；针对资料同化和模式参数化方案环节，在传统的基于物理机理和已知规律约束的数值天气预报模式基础上，面向缺乏或没有物理机理约束的情况，本发明通过采用人工智能算法训练出全局最优同化方案和模式参数化方案，充分发挥人工智能算法的优势，从而显著提升风速预报的准确率。
-
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：CN110390343B
公开(公告)日：2024-07-02
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
IPC分类号： G06F16/215 , G06F18/22 , G01W1/10 , G06Q50/06 , G06F123/02
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：CN113887843A
公开(公告)日：2022-01-04
申请号：CN202111480130.6
申请日：2021-12-07
申请人： 中国电力科学研究院有限公司
摘要： 本发明提供了一种风电场输出功率的群体预测方法和系统，包括：将待预测时刻多个风电场站的数值天气预报数据按照预设格式转化为气象图数据；将气象图数据输入预先构建的图卷积预测模型，得到功率图数据作为待预测时刻多个风电场站的输出功率预测值；其中，气象图数据包括各风电场站的气象参数、测量参数以及不同风电场站间的联接权重，图卷积预测模型是采用多个风电场站的历史气象图数据和历史功率图数据训练得到的；本发明仅需建立一个图卷积预测模型即可得到包括多个风电场站功率的多条预测曲线，在大规模风电功率预测场景中，仅需训练、部署、维护一个模型即可实现多个风电场多条预测曲线的预测，可降低模型训练、模型部署、模型维护的成本。
-
公开(公告)号：CN112348292B
公开(公告)日：2021-08-06
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：CN112561234A
公开(公告)日：2021-03-26
申请号：CN202011301467.1
申请日：2020-11-19
申请人： 中国电力科学研究院有限公司 , 国网北京市电力公司 , 国网冀北电力有限公司
发明人： 王铮 , 王勃 , 王伟胜 , 冯双磊 , 刘纯 , 赵艳青 , 姜文玲 , 裴岩 , 胡菊 , 靳双龙 , 宋宗朋 , 王姝 , 车建峰 , 张菲 , 汪步惟 , 王钊 , 沈洋 , 余谦
摘要： 本发明提供了一种场内受限电量和场外受限电量的量化方法及系统，包括：获取当前时段所有并网风电机组的机舱风速、实际发电功率和工作状态；基于获取的数据计算各并网风电机组当前时段的理论发电量、实际发电量和可用发电量；基于风电场当前时段的理论发电量、实际发电量和可用发电量，计算当前时段风电场的场内受限电量和场外受限电量，本发明基于风电场所有并网风电机组的数据进行场内受限电量和场外受限电量的量化评估，提高了受限电量计算的科学、准确性，从而支撑风电的调控运行，提高风电消纳，并为风电相关并网运行技术研究提供基础数据支撑。
-
公开(公告)号：CN114004430A
公开(公告)日：2022-02-01
申请号：CN202210002536.1
申请日：2022-01-05
申请人： 中国电力科学研究院有限公司
发明人： 冯双磊 , 王伟胜 , 王勃 , 刘纯 , 靳双龙 , 刘晓琳 , 宋宗朋 , 胡菊 , 滑申冰 , 马振强 , 张艾虎 , 郭于阳 , 王铮 , 车建峰 , 张菲 , 姜文玲 , 赵艳青 , 王钊 , 裴岩 , 汪步惟 , 李红莉 , 韩振永
摘要： 本发明提供了一种风速预报方法和系统，包括：基于模式背景场与最新的气象要素数据，采用预先构建的全局最优同化方案进行资料同化，得到模式初始状态；基于模式初始状态，采用预先训练的模式参数化方案进行预测，得到风速预报场；针对资料同化和模式参数化方案环节，在传统的基于物理机理和已知规律约束的数值天气预报模式基础上，面向缺乏或没有物理机理约束的情况，本发明通过采用人工智能算法训练出全局最优同化方案和模式参数化方案，充分发挥人工智能算法的优势，从而显著提升风速预报的准确率。
-
-
-
-
-
-
-
-
搜索结果
39 条记录 (耗时 0.101 秒)
