-
公开(公告)号：CN112990553B
公开(公告)日：2023-11-14
申请号：CN202110199424.5
申请日：2021-02-23
申请人： 中国电建集团华东勘测设计研究院有限公司 , 中国科学技术大学
摘要： 本发明涉及一种使用自注意机制和双线性融合的风电超短期功率预测方法，具有NWP数据处理支路和历史功率数据处理支路，其中：NWP数据处理支路，包括：获取NWP数据；对NWP数据进行数据归一化操作；将NWP数据中的风速风向输入GRU网络模型学习风速风向的时序特征，使用注意力机制实现对时间序列的自动化关注；历史功率数据处理支路，包括：获取历史功率数据；对历史功率数据进行数据补缺、数据清洗和数据归一化操作；将历史功率数据输入GRU网络模型学习功率数据的时序特征，使用注意力机制实现对时间序列的自动化关注；根据双线性信息融合框架将NWP数据处理和历史功率数据处理两条支路的信息进行融合，再经过全连接层进行超短期风力发电的预测。
-
公开(公告)号：CN112836434A
公开(公告)日：2021-05-25
申请号：CN202110196212.1
申请日：2021-02-22
申请人： 中国电建集团华东勘测设计研究院有限公司 , 中国科学技术大学
IPC分类号： G06F30/27 , G06Q10/04 , G06Q50/06 , G06N3/063 , G06N3/08 , G06F113/06 , G06F119/06
摘要： 本发明涉及一种融合时序特征和统计特征的风电超短期功率预测方法。本发明的目的是提供一种融合时序特征和统计特征的风电超短期功率预测方法。本发明的技术方案是：一种融合时序特征和统计特征的风电超短期功率预测方法，其特征在于：获取NWP数据，并对NWP数据进行修正；将经修正的NWP数据中的风速风向输入CNN网络模型提取统计特征；获取历史功率数据，并对历史功率数据进行清洗；将经清洗的历史功率数据输入GRU网络模型提取时序特征；将风速风向的统计特征和功率数据的时序特征融合，输入训练好的超短期风电预测模型，输出风电功率预测值。本发明适用于风力发电功率预测领域。
-
公开(公告)号：CN112801350B
公开(公告)日：2022-09-06
申请号：CN202110042233.8
申请日：2021-01-13
申请人： 中国电建集团华东勘测设计研究院有限公司 , 中国科学技术大学
摘要： 本发明涉及一种基于不确定度的深度学习超短时风电功率预测方法，其特征在于：S01、获取若干指定高度下、当前及过去连续的一定时间内多个时刻的风电数据，风电数据包括风速、风向；S02、对风电数据进行预处理；S03、将经预处理的当前及过去连续的一定时间内多个时刻各指定高度的风电数据输入训练好的贝叶斯深度学习超短时风电功率预测网络模型，模型输出各指定高度下的风电功率预测值、模型不确定度和偶然不确定度；S04、根据偶然不确定度、模型不确定度判断预测结果的可信程度；所述贝叶斯深度学习超短时风电功率预测网络模型的训练集中每个样本取连续的一定时间内多个时刻对应所述若干指定高度的风电数据，及该一定时间内最后时刻的风电功率。
-
公开(公告)号：CN112990553A
公开(公告)日：2021-06-18
申请号：CN202110199424.5
申请日：2021-02-23
申请人： 中国电建集团华东勘测设计研究院有限公司 , 中国科学技术大学
摘要： 本发明涉及一种使用自注意机制和双线性融合的风电超短期功率预测方法，具有NWP数据处理支路和历史功率数据处理支路，其中：NWP数据处理支路，包括：获取NWP数据；对NWP数据进行数据归一化操作；将NWP数据中的风速风向输入GRU网络模型学习风速风向的时序特征，使用注意力机制实现对时间序列的自动化关注；历史功率数据处理支路，包括：获取历史功率数据；对历史功率数据进行数据补缺、数据清洗和数据归一化操作；将历史功率数据输入GRU网络模型学习功率数据的时序特征，使用注意力机制实现对时间序列的自动化关注；根据双线性信息融合框架将NWP数据处理和历史功率数据处理两条支路的信息进行融合，再经过全连接层进行超短期风力发电的预测。
-
公开(公告)号：CN112801350A
公开(公告)日：2021-05-14
申请号：CN202110042233.8
申请日：2021-01-13
申请人： 中国电建集团华东勘测设计研究院有限公司 , 中国科学技术大学
摘要： 本发明涉及一种基于不确定度的深度学习超短时风电功率预测方法，其特征在于：S01、获取若干指定高度下、当前及过去连续的一定时间内多个时刻的风电数据，风电数据包括风速、风向；S02、对风电数据进行预处理；S03、将经预处理的当前及过去连续的一定时间内多个时刻各指定高度的风电数据输入训练好的贝叶斯深度学习超短时风电功率预测网络模型，模型输出各指定高度下的风电功率预测值、模型不确定度和偶然不确定度；S04、根据偶然不确定度、模型不确定度判断预测结果的可信程度；所述贝叶斯深度学习超短时风电功率预测网络模型的训练集中每个样本取连续的一定时间内多个时刻对应所述若干指定高度的风电数据，及该一定时间内最后时刻的风电功率。
-
-
公开(公告)号：CN116025523A
公开(公告)日：2023-04-28
申请号：CN202211224506.1
申请日：2022-10-08
申请人： 中国电建集团华东勘测设计研究院有限公司
摘要： 本发明提供了一种海上风电场最大风速分析方法，包括以下步骤：S1.确定研究区域；S2.统计研究区域内的历史台风，将所有时次的2min风速转换为10min风速；S3.结合台风风场模式计算各时次风速的最大值；S4.设置大风阈值，筛选出隶属于同一场热带气旋各时次风速的最大值，构成最大风速序列；S5.分别采用卡方和柯尔莫哥洛夫法对S4中的热带气旋频数、风速概率分布进行拟合度检验，若未通过通过显著性检验，则返回步骤S4，重新设置大风阈值；S6.采用Poisson‑Gumbel法，根据最大风速序列计算第一高度N年一遇最大风速；S7.计算第一高度N年一遇最大风速代表值；S7.采用大风切变推算轮毂高度最大风速，解决了现有技术中存在的参证气象站代表性较差的技术问题。
-
公开(公告)号：CN118011526A
公开(公告)日：2024-05-10
申请号：CN202410424729.5
申请日：2024-04-10
申请人： 中国电建集团华东勘测设计研究院有限公司
IPC分类号： G01W1/10 , G06F30/28 , G06F113/06 , G06F111/10 , G06F113/08 , G06F119/08 , G06F119/14
摘要： 本发明涉及一种考虑低云与大气边界层耦合影响的风电场风速预测方法。适用于风电场风速预测技术领域。本发明所采用的技术方案是：一种考虑低云与大气边界层耦合影响的风电场风速预测方法，其特征在于，包括：根据云层与大气边界层的相对位置，判断云层与大气边界层处于耦合或解耦状态；当云层与大气边界层处于解耦状态时，该大气边界层内湍流交换系数基于地面浮力项驱动的湍流交换系数确定；当云层与大气边界层处于耦合状态时，该大气边界层内湍流交换系数基于地面浮力项驱动的湍流交换系数和云层内的湍流交换系数确定。
-
公开(公告)号：CN115270065A
公开(公告)日：2022-11-01
申请号：CN202210825429.9
申请日：2022-07-13
申请人： 中国电建集团华东勘测设计研究院有限公司
摘要： 本发明提供了一种基于海上风电场SCADA运行数据的风电机组局地有效湍流强度计算方法，S1、获取风电场场区周边处于自由流的历史或同期完整年测风塔风数据、风电场中各风电机组SCADA实际运行风数据及风电机组坐标信息、机组型号，SCADA实际运行风数据包括风速、风速标准差、风向，SCADA实际运行风数据用于计算各扇区对应的机舱湍流强度代表值；S2、对风电场中风电机组SCADA实际运行风数据、测风塔风数据进行数据筛选，剔除异常、无效数据；本发明以解决软件仿真模拟湍流强度的偏差带来的机组载荷安全的不确定性及对机组发电能力的优化提升。
-
公开(公告)号：CN118011526B
公开(公告)日：2024-07-02
申请号：CN202410424729.5
申请日：2024-04-10
申请人： 中国电建集团华东勘测设计研究院有限公司
IPC分类号： G01W1/10 , G06F30/28 , G06F113/06 , G06F111/10 , G06F113/08 , G06F119/08 , G06F119/14
摘要： 本发明涉及一种考虑低云与大气边界层耦合影响的风电场风速预测方法。适用于风电场风速预测技术领域。本发明所采用的技术方案是：一种考虑低云与大气边界层耦合影响的风电场风速预测方法，其特征在于，包括：根据云层与大气边界层的相对位置，判断云层与大气边界层处于耦合或解耦状态；当云层与大气边界层处于解耦状态时，该大气边界层内湍流交换系数基于地面浮力项驱动的湍流交换系数确定；当云层与大气边界层处于耦合状态时，该大气边界层内湍流交换系数基于地面浮力项驱动的湍流交换系数和云层内的湍流交换系数确定。
-
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.051 秒)
