-
公开(公告)号:CN113505909B
公开(公告)日:2024-03-26
申请号:CN202110532725.5
申请日:2021-05-17
申请人: 中国农业大学 , 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司电力科学研究院
摘要: 本发明属于电力系统运行与控制技术领域,涉及一种面向短期风电功率趋势预测的误差补偿方法,包括:A:划分波过程;B:不对低出力和小波动补偿;对大波动和中波动,提取波形特征,计算波形特征值,形成波形特征矩阵;C:分别对中波动和大波动进行误差分析,计算误差特征值,形成误差特征矩阵;D:建立多输入多输出误差预测模型;采用训练集训练,测试集测试,得到测试集输出误差特征矩阵。E:建立误差补偿评估模型,获得新预测值。本发明在一定程度上克服了由于数值天气预报本身误差和由于预测模型的缺陷带来的预测精度问题,解决了短期风电功率常出现的过预测和欠预测交替出现的问题,有效提高了预测精度。
-
公开(公告)号:CN113537573B
公开(公告)日:2023-11-28
申请号:CN202110691753.1
申请日:2021-06-22
申请人: 中国农业大学 , 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司电力科学研究院
IPC分类号: H02J3/00 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/044 , G06N3/09 , G06N3/06 , G06F123/02
摘要: 本发明属于电力系统运行与控制技术领域,涉及一种基于双重时空特征提取的风电功率运行趋势预测方法,包括:获取原始风电生数据集,并将空数据等剔除,获得风电场群清洗数据集;将生成的3D张量数据输入双重时空特征提取模型,获得关键气象‑功率双重时空提取特征图,并输入循环记忆运行趋势预测模型,获得风电功率超短期运行趋势预测值。本申请基于深度可拆分卷积,更好地对海量数据进行快速处理;强化一重时空互联特征运行趋势中局部重要信息的贡献程度,剔除冗余,获取与未来预测功率密切相关的二重时空互联特征;利用循环周期类神经网络易于处理非线性、运行趋势数据和学习速度快
-
公开(公告)号:CN111008725B
公开(公告)日:2022-06-24
申请号:CN201911008751.7
申请日:2019-10-23
申请人: 中国农业大学 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司 , 中国电力科学研究院有限公司
摘要: 本发明公开了一种用于短期风电功率预测的气象因素波动特征提取方法。包括:一、构建数值天气预报模式输出的气象因素日前数据集;二、分析实测风电功率与日前数据集中不同气象因素之间的相关性,筛选最优气象因素特征子集;三、划分最优气象因素特征子集中特征气象因素的波动类型,分析不同气象因素波动与风电功率波动的映射关系;四、提取特征气象因素波动时间颗粒度与特征参数,建立特征气象因素波动特征矩阵;五、将特征气象因素波动特征矩阵作为模型输入,预测日前风电场短期风电功率。本发明克服了不同气象因素波动复杂性与风电功率匹配难的问题,可以有效的降低预测模型输入的数据维度与数据量,同时避免了预测时出现的过拟合等问题。
-
公开(公告)号:CN111008725A
公开(公告)日:2020-04-14
申请号:CN201911008751.7
申请日:2019-10-23
申请人: 中国农业大学 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司 , 中国电力科学研究院有限公司
摘要: 本发明公开了一种用于短期风电功率预测的气象因素波动特征提取方法。包括:一、构建数值天气预报模式输出的气象因素日前数据集;二、分析实测风电功率与日前数据集中不同气象因素之间的相关性,筛选最优气象因素特征子集;三、划分最优气象因素特征子集中特征气象因素的波动类型,分析不同气象因素波动与风电功率波动的映射关系;四、提取特征气象因素波动时间颗粒度与特征参数,建立特征气象因素波动特征矩阵;五、将特征气象因素波动特征矩阵作为模型输入,预测日前风电场短期风电功率。本发明克服了不同气象因素波动复杂性与风电功率匹配难的问题,可以有效的降低预测模型输入的数据维度与数据量,同时避免了预测时出现的过拟合等问题。
-
-
公开(公告)号:CN113537575A
公开(公告)日:2021-10-22
申请号:CN202110709778.X
申请日:2021-06-25
申请人: 中国农业大学 , 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司电力科学研究院
摘要: 本发明涉及一种含分布式光伏和电动汽车并网的趋势负荷预测方法,按数据处理层、分布式光伏电场空间聚类分析层、电动汽车用电功率特征提取层、负荷功率预测层和优化层进行展开,为了克服海量分布式光伏电源以及电动汽车并入电网导致负荷预测不准确的弊端,本发明提供的含分布式光伏和电动汽车并网的趋势负荷预测方法,可以有效解决海量分布式光伏电源以及电动汽车并入电网导致负荷侧随机因素增强带来的预测不准确的弊端,提高负荷预测结果的准确性。
-
公开(公告)号:CN113505909A
公开(公告)日:2021-10-15
申请号:CN202110532725.5
申请日:2021-05-17
申请人: 中国农业大学 , 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司电力科学研究院
摘要: 本发明属于电力系统运行与控制技术领域,涉及一种面向短期风电功率趋势预测的误差补偿方法,包括:A:划分波过程;B:不对低出力和小波动补偿;对大波动和中波动,提取波形特征,计算波形特征值,形成波形特征矩阵;C:分别对中波动和大波动进行误差分析,计算误差特征值,形成误差特征矩阵;D:建立多输入多输出误差预测模型;采用训练集训练,测试集测试,得到测试集输出误差特征矩阵。E:建立误差补偿评估模型,获得新预测值。本发明在一定程度上克服了由于数值天气预报本身误差和由于预测模型的缺陷带来的预测精度问题,解决了短期风电功率常出现的过预测和欠预测交替出现的问题,有效提高了预测精度。
-
公开(公告)号:CN113961614A
公开(公告)日:2022-01-21
申请号:CN202111038647.X
申请日:2021-09-06
申请人: 中国农业大学 , 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司电力科学研究院
IPC分类号: G06F16/2458 , G06Q10/04 , G06Q50/06
摘要: 本发明属于电力系统运行与控制技术领域,涉及一种基于相似日选取和分类分时误差修正的光伏功率预测方法,包括:得到每日特征气象数据和有功功率;基于欧式距离阈值划分法实现相似日分类;得到日内和日间数据特征;对各类相似日数据分开训练预测;得到每类相似日训练样本在不同时间点的预测误差;对新一天特征气象数据统计分析,与前述日内和日间数据特征进行差距度分析,完成相似日归类,利用对应训练模型,实现初步功率预测;据相似日内分时误差,实现分时误差修正,得到最终的有功功率预测值。方法利用功率间相似性实现相似日分类,相比于利用数值天气预报数据实现相似日分类更直观,针对不同相似日分别预测,实现误差修正,提高预测精度。
-
公开(公告)号:CN113537573A
公开(公告)日:2021-10-22
申请号:CN202110691753.1
申请日:2021-06-22
申请人: 中国农业大学 , 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司电力科学研究院
摘要: 本发明属于电力系统运行与控制技术领域,涉及一种基于双重时空特征提取的风电功率运行趋势预测方法,包括:获取原始风电生数据集,并将空数据等剔除,获得风电场群清洗数据集;将生成的3D张量数据输入双重时空特征提取模型,获得关键气象‑功率双重时空提取特征图,并输入循环记忆运行趋势预测模型,获得风电功率超短期运行趋势预测值。本申请基于深度可拆分卷积,更好地对海量数据进行快速处理;强化一重时空互联特征运行趋势中局部重要信息的贡献程度,剔除冗余,获取与未来预测功率密切相关的二重时空互联特征;利用循环周期类神经网络易于处理非线性、运行趋势数据和学习速度快等优势,实现超短期风电功率运行趋势的预测。
-
公开(公告)号:CN110874611B
公开(公告)日:2022-06-24
申请号:CN201910984099.6
申请日:2019-10-16
申请人: 中国农业大学 , 国家电网有限公司 , 中国电力科学研究院有限公司 , 国网山西省电力公司电力科学研究院 , 国网冀北电力有限公司
摘要: 本发明实施例提供风电集群功率超短期预测误差等级分级补偿方法,方法包括:根据风电集群中各风电场的相关性分组,将每一相关性分组包括的各风电场当前时刻的有功功率时间序列输入至相关性分组对应的功率预测模型,输出相关性分组包括的各风电场下一时刻有功功率的初步预测结果;根据风电集群中每一风电场上一时刻和当前时刻有功功率预测结果的误差进行误差等级分级,根据误差等级分级结果对风电场下一时刻有功功率的初步预测结果进行误差补偿,获取风电场下一时刻有功功率的预测结果。本发明实施例提供的风电集群功率超短期预测误差等级分级补偿方法,误差补偿更准确,能提高功率预测的精度。
-
-
-
-
-
-
-
-
-