风功率预测误差识别方法
    65.
    发明公开

    公开(公告)号:CN103366225A

    公开(公告)日:2013-10-23

    申请号:CN201310295998.8

    申请日:2013-07-15

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

    摘要: 本发明公开了一种风功率预测误差识别方法,包括步骤:S1.获取风电场的风速数据、风速预测误差和风功率实测数据;S2.将步骤S1获取到的所有数据进行预处理以剔除错误的数据;S3.根据步骤S2得到的预处理后的风速数据和风功率实测数据得到风功率与风速之间的映射关系;S4.根据步骤S2得到的预处理后的风速预测误差数据得到风速预测误差的分部特性;S5.根据步骤S3得到的风功率与风速之间的映射关系以及步骤S4得到的风速预测误差的分部特性得到风速预测值与风功率预测误差平均值的关系以及风速预测值与风功率预测误差最小似然值的关系。本发明能够减小日前发电计划误差。

    带电作业绝缘角度升降平台

    公开(公告)号:CN103178462A

    公开(公告)日:2013-06-26

    申请号:CN201310109462.2

    申请日:2013-04-01

    IPC分类号: H02B3/00 B66F7/00 B66F7/28

    摘要: 一种带电作业绝缘角度升降平台,它包括可移动的底座、固定在底座上的支杆和安装在支杆上的框架,其特殊之处是由纵梁、横梁和立柱构成两个横截面形状相似的长方体框,分别称为内框和外框,其纵梁由横截面具有凹槽的型材制成,通过内外框纵梁的凹槽相互搭扣,将内框插入外框内构成伸缩式框架。在外框的四个横梁和在内框一端的上下两个横梁上各安装一个滑轮,在底座上安装电动卷筒和一个滑轮,从电动卷筒出来的拉绳依次通过各滑轮后回到电动卷筒。所述纵梁、横梁和立柱均由绝缘环氧树脂材料的型材制成。使用该升降平台,可带电维修变电站各种设备,保证作业的人身安全和设备安全。

    电子式互感器整体检测与评估系统

    公开(公告)号:CN103135087A

    公开(公告)日:2013-06-05

    申请号:CN201210591944.1

    申请日:2012-12-28

    IPC分类号: G01R35/02

    CPC分类号: G01R35/02 G01R31/027

    摘要: 本发明提供了一种电子式互感器整体检测与评估系统,包括:三相标准测试源、电子互感器、电子互感器仿真器、基准合并单元、工业以太网交换机、GPS对时装置和电子式互感器状态分析与评估平台;所述三相标准测试源分别向所述电子互感器和所述电子互感器仿真器传输数据;所述电子互感器仿真器依次通过所述基准合并单元和工业以太网交换机向所述电子式互感器状态分析与评估平台传输数据;所述电子式互感器状态分析与评估平台通过所述工业以太网交换机接收所述电子互感器的数据;所述GPS对时装置分别向所述电子互感器和所述基准合并单元发送同步信号。本发明提供的电子式互感器整体检测与评估系统,为电子式互感器的现场离线校准提供依据和参考。

    基于暂态信号Prony算法的配电网单相接地故障区段定位方法及定位装置

    公开(公告)号:CN102967800B

    公开(公告)日:2015-06-03

    申请号:CN201210535537.9

    申请日:2012-12-10

    IPC分类号: G01R31/08

    摘要: 一种基于暂态信号Prony算法小电流接地故障的在线定位方法及定位装置,通过安装在线路上不同位置的终端准确捕捉到零序电流超过启动值前1个周期和超过启动值后4个周期的零序电流暂态信号,运用Prony算法提取故障暂态信号中起主导作用的暂态高频分量信号,根据所述暂态高频分量信号分析故障点所在的区段。本申请的定位装置由终端和主站两个部分组成,所述终端安装在架空线路杆塔上或者电缆环网柜内,其输入端接收配电线路(包括架空线路和电缆)CT二次侧的相电流信号合成得到零序电流信号,并与主站通过光纤通信或者移动通信连接;所述主站安装在变电站内或调度中心,包括光纤通信模块和移动通信模块,接收终端发送的信号。本申请技术成熟、可靠性高。

    基于支持向量机的风功率预测校正方法及系统

    公开(公告)号:CN103345585A

    公开(公告)日:2013-10-09

    申请号:CN201310294095.8

    申请日:2013-07-12

    IPC分类号: G06F19/00 G06K9/66

    摘要: 本发明公开了一种风功率预测校正方法,包括步骤:S1.获取选定风电场总容量,获取该风电场最近一个自然年内全场风功率预测数据与风功率实测数据;S2.利用风电场总容量,对步骤S1获取的风电场风功率数据进行归一化处理;S3.根据步骤S2得到的预处理后的风功率预测数据和风功率实测数据,形成输入、输出数据集;S4.随机选取步骤S3得到输入、输出数据集的2/3作为训练集,剩下的1/3作为检验集;S5.选取支持向量机核函数和训练参数,利用步骤S4得到的训练集进行训练,并利用检验集进行检验;S6.利用网格搜索法,修正支持向量机的参数,并利用校正结果的平均绝对百分比误差和均方根相对误差作为评价标准,得到局部最优支持向量机训练模型,即局部最优风功率预测校正模型。