基于迁移学习的融合风速计算方法、装置、设备及介质

    公开(公告)号:CN116432548A

    公开(公告)日:2023-07-14

    申请号:CN202310248593.2

    申请日:2023-03-09

    摘要: 本公开涉及一种基于迁移学习的融合风速计算方法、装置、设备及介质。其中,基于迁移学习的融合风速计算方法包括:在多个测风塔中根据风速相关性确定基准测风塔;获取基准测风塔的第一真实观测风速数据与第一模拟风速数据,以及获取目标点位的第二模拟风速数据;对第一真实观测风速数据、第一模拟风速数据和第二模拟风速数据进行时序风速计算,得到目标点位的第一时序风速数据;通过迁移学习神经网络模型对第一时序风速数据进行模型计算,得到目标点位的第一融合时序风速数据。根据本公开实施例,能够通过多数据进行融合计算的方法,有效提高风速计算精度。

    风电机组发电机故障定位方法、电子设备及存储介质

    公开(公告)号:CN115754714A

    公开(公告)日:2023-03-07

    申请号:CN202211297008.X

    申请日:2022-10-21

    摘要: 本发明涉及风电机组故障定位技术领域,具体提供一种风电机组发电机故障定位方法、电子设备及存储介质,旨在解决现有技术中大多由工作人员定位故障,从而导致故障定位方法的准确度较低的技术问题。为此目的,本发明的风电机组发电机故障定位方法包括:获取与风电机组发电机相关的输入变量;将输入变量的实测值输入训练好的发电机状态监测模型,获得输入变量的重构值;基于输入变量的重构值和实测值确定重构误差;基于重构误差对风电机组发电机进行故障定位。如此,提高了风电机组发电机故障定位的准确度,保证了风电机组发电机的稳定性。

    区域发电功率预测方法、装置、设备及存储介质

    公开(公告)号:CN115204522B

    公开(公告)日:2023-01-24

    申请号:CN202211110691.1

    申请日:2022-09-13

    摘要: 本公开涉及一种区域发电功率预测方法、装置、设备及存储介质。首先基于每个风光电站对应的客户端对原始风光数据进行特征提取,得到风光特征数据,然后利用第三方服务器对客户端提取到的风光特征数据进行融合,得到时空相关特征,进一步通过每个风光电站对应的客户端基于风光特征数据和时空相关数据进行发电预测,并由所有风光电站对应的风光电站预测功率,用于形成待预测区域的区域发电功率。由此,当进行区域发电功率预测时,第三方服务器只能处理原始风光数据对应的风光特征数据,各风光电站的原始风光数据只在本地进行处理,避免了原始风光数据在第三方服务器被泄露,保证了数据安全性。

    风电机组尾流速度损失的评估方法、装置及存储介质

    公开(公告)号:CN114417583B

    公开(公告)日:2022-09-16

    申请号:CN202210015870.0

    申请日:2022-01-07

    摘要: 本发明涉及风力发电技术领域,具体提供一种风电机组尾流速度损失的评估方法、装置及存储介质,旨在解决现有评估方法中尾流膨胀率的计算通常依赖拟合获得的半经验公式导致在某些风况下风电机组尾流速度损失的预测精度较低的问题。为此目的,本发明的风电机组尾流速度损失的评估方法包括:获取风电机组上游的流向速度分量时间序列、展向速度分量时间序列和垂向速度分量时间序列;基于流向速度分量时间序列确定第一初始尾流宽度和对流速度;基于展向速度分量时间序列、垂向速度分量时间序列、第一初始尾流宽度和对流速度确定最终尾流膨胀率;基于最终尾流膨胀率对风电机组尾流速度损失进行评估,得到评估结果。

    一种基于时序匹配和双向四分位算法的异常数据清洗方法

    公开(公告)号:CN114968999A

    公开(公告)日:2022-08-30

    申请号:CN202210565276.9

    申请日:2022-05-23

    IPC分类号: G06F16/215 G06F16/2458

    摘要: 本发明公开了属于风电机组发电技术领域的一种基于时序匹配和双向四分位算法的异常数据清洗方法。该方法包括以下步骤:步骤1:采集风电机组的实测风速和风电功率数据;步骤2:辨识风电机组限功率异常数据;具体包括:步骤21:采用基本趋势转折点和重要趋势转折点确定算法对风电功率时间序列进行分段划分;步骤22:基于风速‑风电功率时序匹配度量对限功率分段时间序列进行筛选;步骤23:基于额定功率剔除系数对额定功率分段时间序列进行剔除;步骤3:利用双向四分位算法清洗风电功率分散型异常数据。本发明能够同时有效地清洗堆积型异常数据和分散型异常数据,且可以有效辨识过渡区域内与正常数据空间分布特征相似的异常运行数据。

    一种风电场样板机选择方法
    76.
    发明公开

    公开(公告)号:CN114723252A

    公开(公告)日:2022-07-08

    申请号:CN202210300189.0

    申请日:2022-03-25

    IPC分类号: G06Q10/06 G06Q50/06

    摘要: 本发明提出一种风电场样板机选择方法,属于风电场理论发电量计算领域。该方法包括:获取风电场中各风电机组的风速数据;计算每台风电机组的风速威布尔分布曲线参数;对每台风电机组的风速数据降维后进行归一化,对每台风电机组的风速威布尔分布曲线参数进行归一化,利用归一化后的结果构建风电场分组模型的输入变量矩阵;根据确定的风电场机组最佳分组个数对风电场分组模型的输入变量矩阵进行聚类,得到风电场中各风电机组的分组结果;利用相关性分析法选取每个分组的样板机,以得到风电场的样板机选择结果。本发明基聚类算法选取风电场样板机,可提高选取样板机的合理性和代表性,在保证计算效率的同时又能提高发电量计算的精度。

    风电机组尾流速度损失的评估方法、装置及存储介质

    公开(公告)号:CN114417583A

    公开(公告)日:2022-04-29

    申请号:CN202210015870.0

    申请日:2022-01-07

    摘要: 本发明涉及风力发电技术领域,具体提供一种风电机组尾流速度损失的评估方法、装置及存储介质,旨在解决现有评估方法中尾流膨胀率的计算通常依赖拟合获得的半经验公式导致在某些风况下风电机组尾流速度损失的预测精度较低的问题。为此目的,本发明的风电机组尾流速度损失的评估方法包括:获取风电机组上游的流向速度分量时间序列、展向速度分量时间序列和垂向速度分量时间序列;基于流向速度分量时间序列确定第一初始尾流宽度和对流速度;基于展向速度分量时间序列、垂向速度分量时间序列、第一初始尾流宽度和对流速度确定最终尾流膨胀率;基于最终尾流膨胀率对风电机组尾流速度损失进行评估,得到评估结果。

    一种基于深度神经网络的数值天气预报风速修正方法

    公开(公告)号:CN114358398A

    公开(公告)日:2022-04-15

    申请号:CN202111556802.7

    申请日:2021-12-17

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

    摘要: 本发明提出一种基于深度神经网络的数值天气预报风速修正方法,属于数值天气预报风速修正领域。该方法首先采集风电场历史数值天气预报风速数据和历史实测风速数据以构建风速数据集;构建基于长短时记忆深度神经网络的数值天气预报风速修正模型;通过离线训练,确定模型输入和输出的最优时间长度;通过在线训练,确定模型的最优更新频率;根据模型输入和输出的最优时间长度对未来数值天气预报风速数据进行在线修正,按照模型的最优更新频率对模型进行在线更新,以实现对数值天气预报风速数据的动态修正。本发明通过建立动态修正策略弥补数据量少造成的数据特征提取不充分问题,降低数值天气预报风速预测误差,减小该误差对风电功率预测的影响。