-
公开(公告)号:CN116932989A
公开(公告)日:2023-10-24
申请号:CN202310986674.2
申请日:2023-08-07
申请人: 华能澜沧江水电股份有限公司 , 中国华能集团清洁能源技术研究院有限公司
摘要: 本发明提供NWP风速修正方法、系统、设备及其介质,属于风电预测技术领域,包括:采集原始数据;对所述原始数据进行归一化处理后,对归一化处理后的原始数据进行幅值偏差修正,得到幅值修正特征矩阵;同时,对归一化处理后的原始数据进行相位偏差修正,得到相位修正特征矩阵;利用LSTM模型对所述幅值修正特征矩阵和相位修正特征矩阵进行融合,得到NWP风速修正结果。本发明所提出的方法对幅值与相位修正结果进行融合,可以提高NWP预测风速修正的准确性。
-
公开(公告)号:CN116148950A
公开(公告)日:2023-05-23
申请号:CN202310034532.6
申请日:2023-01-10
申请人: 中国华能集团清洁能源技术研究院有限公司
IPC分类号: G01W1/10 , G01P5/00 , G06F18/214 , G06F18/21 , G06F18/25 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
摘要: 本发明公开了一种基于深度学习的超短时风速预测方法、系统、装置及介质,包括:获取机组数据与气象数据,并以季节差异对机组数据和气象数据进行划分,得到不同季节的数据集;对机组数据进行划分,获取不同工况,对不同工况和不同季节的数据集进行数据抽样;得到测试集和训练集;基于根据机组数据与气象数据的不同特性构建不同的网络结构,并进行特征融合搭建最终的网络结构;基于训练集和测试集对最终的网络结构进行训练,确定最优模型;对待预测数据进行划分并输入至最优模型,得到风速预测结果。本发明能够对极端风况进行提前控制,减少风电机组在极端风况下的载荷冲击,降低风电机组的运行风险,提高风电机组运行时间,延长风电机组使用寿命。
-
公开(公告)号:CN117273208A
公开(公告)日:2023-12-22
申请号:CN202311181149.X
申请日:2023-09-13
IPC分类号: G06Q10/04 , G06Q50/06 , G06F18/10 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/08
摘要: 本发明涉及新能源功率预测技术领域,尤其涉及一种组合功率预测方法、装置、设备及存储介质,包括:获取新能源原始数据,构建原始数据集,对原始数据集进行数据清洗处理,获得预处理数据集,构建预训练模型,利用预处理数据集对预训练模型进行训练,得到训练完成的功率预测模型,利用功率预测模型对待预测的数据进行预测处理,得到预测结果。对不同的数据源进行数据清晰与预处理,对不同的数据源的历史数据采用通道独立的思想进行时间序列预测,分别用不同数据源的历史数据预测该数据源未来的结果,随后对不同数据源的预测结果进行状态融合,实现对各个时间步的单独预测过程,最终时间短期的功率预测功能,实现了准确、高效的组合功率预测。
-
公开(公告)号:CN117272205A
公开(公告)日:2023-12-22
申请号:CN202311257315.X
申请日:2023-09-27
申请人: 中国华能集团清洁能源技术研究院有限公司 , 华能澜沧江水电股份有限公司
IPC分类号: G06F18/2433 , G06F18/15 , G06Q50/06
摘要: 本发明公开了一种风电场多维异常数据检测清洗方法、系统、设备及介质,属于风力发电技术领域,方法包括根据风机的运行机理和控制策略,对风电机组的实测数据中的极端异常数据进行剔除,得到初步筛选实测数据;根据风机的变桨控制策略,对初步筛选实测数据中的限电数据进行剔除,得到第二次筛选实测数据;根据3sigma原则,对第二次筛选实测数据中的离散异常数据进行剔除,得到第三次筛选实测数据;根据风电场运行数据,采用双向四分位法或双向单边四分位法,对第三次筛选实测数据中的边缘异常数据进行剔除,得到最终实测数据。综合风电机组各项运行数据,能够进行多维度的异常数据辨识,最大程度保留高质量的实测数据,为后续提升风电功率估算精度提供可靠依据。
-
公开(公告)号:CN117094848A
公开(公告)日:2023-11-21
申请号:CN202311003356.6
申请日:2023-08-10
申请人: 中国华能集团清洁能源技术研究院有限公司
摘要: 本发明涉及风电场数据处理技术领域,尤其涉及一种风电场测风数据补插方法、装置、设备及存储介质,包括:获取气象再分析数据,对气象数据进行分析处理,得到输入数据;对输入数据进行归一化处理,得到训练集;构建测风数据补插模型,利用训练集对测风数据补插模型进行训练,得到训练完成的测风数据补插模型;利用训练完成的测风数据补插模型对待检测数据进行预测,得到预测待补插风速,获取高分辨率的气象数据,并对所述气象数据进行分析处理,基于BP神经网络的权值和阈值构建测风数据补插模型,为风功率预测系统提供完整、准确的测风数据,提高了风功率预测精度,进而有效降低风电场运营成本,提高风电场竞争力,具有较高的实际工程应用价值。
-
公开(公告)号:CN116245251A
公开(公告)日:2023-06-09
申请号:CN202310259340.5
申请日:2023-03-09
申请人: 中国华能集团清洁能源技术研究院有限公司
IPC分类号: G06Q10/04 , G06Q50/06 , G06N3/045 , G06N3/0464 , H02J3/00
摘要: 本发明提出一种并行的多步风功率预测方法及装置,其中,方法包括:通过获取历史时段的机组运行数据和气象数据,实现根据历史时段的机组运行数据和气象数据,确定输入矩阵,从而将输入矩阵分别输入至至少一个预测时间分段的预测模型,以得到各预测时间分段的功率预测结果,其中,预测时间分段是基于预测时段确定的,进而将各预测时间分段的功率预测结果汇总,以得到预测时段的目标功率预测结果。由此,可实现将预测时段进行分段,得到至少一个预测时间分段,从而每个预测时间分段对应一个预测模型,不同预测时间分段的预测模型提取不同的数据特征,有效提高了预测的准确性。
-
公开(公告)号:CN116069926A
公开(公告)日:2023-05-05
申请号:CN202211447376.8
申请日:2022-11-18
申请人: 中国华能集团清洁能源技术研究院有限公司
IPC分类号: G06F16/35 , G06F18/241 , G06F18/25 , G06F40/30
摘要: 本公开提出一种文本分类模型的训练方法及装置、文本分类方法及装置,其中,方法包括:获取训练文本,并采用文本分类模型中的编码网络对训练文本进行编码,以得到第一语义特征;获取噪声特征;将噪声特征和第一语义特征进行融合,以得到融合特征;基于第一语义特征和融合特征,对文本分类模型进行第一训练。由此,基于文本分类模型的编码网络捕捉到的训练文本的语义特征,以及融合了噪声的语义特征,可以实现对文本分类模型的预训练,可以使得文本分类模型在真实训练之前,有效学习到训练文本中显著的语义信息,从而在利用少量的训练文本对文本分类模型进行真实训练时,可以提升模型的表现和性能,有效减少模型对标注数据的依赖。
-
公开(公告)号:CN115907819A
公开(公告)日:2023-04-04
申请号:CN202211448440.4
申请日:2022-11-18
申请人: 中国华能集团清洁能源技术研究院有限公司
IPC分类号: G06Q30/0201 , G06F18/214 , G06V10/82 , G06N3/0442 , G06N3/08 , G06Q50/06
摘要: 本发明提出一种基于元学习训练的现货市场日前电价确定方法及系统,该方法包括获取历史市场披露数据和历史电价以构建训练数据集,利用滑动窗口对训练数据集进行分解获得多个训练任务数据集;构建价格计算模型,价格计算模型采用长短期记忆网络算法模型;采用元学习训练,利用所有训练任务数据集对长短期记忆网络算法模型的参数进行训练,获得训练好的价格计算模型;获取现货市场披露数据,现货市场披露数据的数据类型与历史市场披露数据的数据类型一致;将现货市场披露数据输入训练好的价格计算模型,输出日前电价计算结果。根据本发明的方法,提高了电价预测计算的准确性和经济性。
-
公开(公告)号:CN118467945A
公开(公告)日:2024-08-09
申请号:CN202410648209.2
申请日:2024-05-23
申请人: 中国华能集团清洁能源技术研究院有限公司
IPC分类号: G06F18/15 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/084
摘要: 本发明提供一种短期预报风速的订正方法及系统,收集得到风电场的运行数据,其中,运行数据包括风速数据和NWP格点资料;对运行数据进行数据预处理,得到预处理后的风速数据和NWP格点资料;对预处理后的NWP格点资料进行插值,采用随机森林算法进行特征提取,得到特征提取后的NWP格点资料;基于预处理后的风速数据和特征提取后的NWP格点资料构建卷积长短期记忆风速订正模型;训练卷积长短期记忆风速订正模型,基于训练好的卷积长短期记忆风速订正模型得到订正结果。本发明考虑风速与NWP相关变量的时空相关性,可以适用于不同风速范围,具有泛化性。且本发明利用订正模型进行短期预报风速订正,提高了订正的精度。
-
公开(公告)号:CN118172088A
公开(公告)日:2024-06-11
申请号:CN202410300702.5
申请日:2024-03-15
发明人: 黄思皖 , 钟明 , 安娜 , 李力 , 杨宁 , 王春森 , 任立兵 , 史鉴恒 , 王宝岳 , 杨雪 , 高亚林 , 沈惠聪 , 江晨 , 王静 , 张燧 , 王青天 , 邸智 , 王芸靖 , 郑子辰 , 葛戈 , 刘雅欣 , 杨紫阳 , 伊然 , 任鑫 , 李小翔 , 薛丽 , 李亚川 , 孙可欣
IPC分类号: G06Q30/0201 , G06F18/22 , G06F18/214 , G06N3/04 , G06N3/096
摘要: 本发明公开了一种基于自适应循环神经网络的电力现货市场日前价格预测方法及系统,包括:将采集电价的原始数据进行清洗;基于时序相似性对清洗后的数据进行分割量化,获取若干段分布最不相似的时间序列;基于所有时间段的完全标记数据构建RNN模型,并对RNN模型进行模型预训练,得到网络参数;基于若干段分布最不相似的时间序列构建迁移学习模型,将网络参数输入至迁移学习模型中进行迭代训练,得到最优化的迁移学习模型;再次采集电价的原始数据输入至最优化的迁移学习模型中,获取预测电力现货市场的日前价格。本发明对时间序列数据进行迁移学习,构建一个时间无关的模型用于未知测试集数据,能够提高模型准确率,准确的获得参考预测结果。
-
-
-
-
-
-
-
-
-