-
公开(公告)号：CN118611054A
公开(公告)日：2024-09-06
申请号：CN202410771499.X
申请日：2024-06-14
申请人： 中国长江三峡集团有限公司
IPC分类号： H02J3/00 , H02J3/38 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/082
摘要： 本申请实施例提供了一种风电功率的预测方法及装置，涉及数据管理技术领域，该方法具体为：采集影响目标风电场风电功率的多个变量，以生成目标样本变量集；获取所述目标风电场的目标样本历史风电功率数据；基于所述目标样本变量集以及所述目标样本历史风电功率数据，生成所述目标样本变量集对应的多个样本变量时间序列以及所述目标样本历史风电功率数据对应的目标样本历史风电功率数据时间序列；将所述多个样本变量时间序列和所述目标样本历史风电功率数据时间序列输入初始多变量并行编码与时序注意力机制融合网络模型中进行训练，获取目标中长期风电功率预测模型。本申请能够提高风电功率预测的准确性。
-
公开(公告)号：CN115564184A
公开(公告)日：2023-01-03
申请号：CN202211088241.7
申请日：2022-09-07
申请人： 中国长江三峡集团有限公司 , 华北电力大学
摘要： 本发明提出一种基于滑动窗口的风速波动过程分类方法及装置，属于风电机组功率预测和风速波动过程分析领域。其中，所述方法包括：获取原始风速序列并进行降噪；对降噪后的所述风速序列通过摇摆窗算法划分成多个风速波动段；将所述风速波动段转化为等长风速时间序列，对所述等长风速时间序列进行基于特征值的一次聚类，得到所述风速序列的初步分类结果；根据所述初步分类结果，对每一个分类下的所述等长风速时间序列进行基于时间序列相似性度量的二次聚类，得到所述风速序列的最终分类结果。本发明综合考虑时间序列相似性与波动过程特征的影响，对波动过程进行二次聚类，以优化聚类效果，可获得更为准确的风速波动分类结果。
-
公开(公告)号：CN114154755A
公开(公告)日：2022-03-08
申请号：CN202111591744.1
申请日：2021-12-23
申请人： 中国长江三峡集团有限公司 , 华北电力大学
摘要： 本发明涉及风电场设计及选址技术领域，具体提供一种风电场功率的预测方法和装置，旨在解决由于未考虑风电场边界层效应，导致风电场功率预测精度降低的问题。为此目的，本发明分别获取风电机组的基于尾流效应的第一预测功率和基于边界层效应的第二预测功率，并使用第二预测功率对第一预测功率进行功率修正，以获取当前风电机组的最终预测功率。基于上述配置方式，本发明考虑到风电场的边界层效应对于风电场功率预测的影响，提升了基于尾流效应获取的风电场功率的精度，实现了快速、简单、准确的对风电场功率的预测。
-
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
申请人： 中国长江三峡集团有限公司 , 华北电力大学
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。
-
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
申请人： 中国长江三峡集团有限公司 , 华北电力大学
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。
-
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
申请人： 中国长江三峡集团有限公司 , 华北电力大学
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。
-
公开(公告)号：CN116388148A
公开(公告)日：2023-07-04
申请号：CN202211635357.8
申请日：2022-12-19
申请人： 华北电力大学 , 中国长江三峡集团有限公司
摘要： 本公开涉及一种功率预测方法、装置、设备及存储介质。该方法包括：获取待预测风电场在未来中期时间段内的预测天气预报数据；利用预先训练的风电功率预测模型，对预测天气预报数据进行多层特征提取处理、依赖矫正处理以及特征转换处理，得到待预测风电场在未来中期时间段内的预测风电功率。通过上述方式，可以利用风电功率预测模型，挖掘不同时刻对应的预测天气预报数据之间的依赖性以及对当前时刻的预测天气预报数据进行矫正，提高了未来中期时间段内各个时刻的预测天气预报数据的准确性，进而提高了风电中期预测功率的准确性，最终能够对电力系统给出有效的指导。
-
公开(公告)号：CN117725438A
公开(公告)日：2024-03-19
申请号：CN202310938021.7
申请日：2023-07-27
申请人： 中国长江三峡集团有限公司 , 华北电力大学
IPC分类号： G06F18/23 , G06F18/213 , G06N3/0464 , G06Q50/06
摘要： 本发明提供了一种可再生能源日前场景生成方法、装置、计算机设备及介质。其中，该方法包括：获取新能源场站的历史功率序列和日前预测功率序列，日前预测功率序列包括多个不同时刻的日前预测功率；以日前预测功率序列为条件，根据历史功率序列和预建立的场景生成模型，生成第一预设数量的日前功率序列，一个日前功率序列包括多个不同时刻的日前功率；根据日前功率序列和预建立的场景缩减模型，生成第二预设数量的日前功率缩减序列，场景缩减模型中的损失函数值通过重建损失函数值和聚类特征损失函数值加权得到，聚类特征损失函数值是根据各日前功率序列与历史功率序列的距离计算得到的。通过本发明，减少场景分析中的大量相似场景，缩短计算时长。
-
公开(公告)号：CN115523104A
公开(公告)日：2022-12-27
申请号：CN202211074714.8
申请日：2022-09-02
申请人： 中国长江三峡集团有限公司 , 华北电力大学
IPC分类号： F03D17/00
摘要： 本公开提出一种风电机组异常风数据的识别方法及装置，属于风电机组运行效能评估以及风电功率预测领域。其中，所述方法包括：采集风电机组的历史风速数据序列；利用所述历史风速数据序列训练变分自编码器模型，将训练完毕的所述变分自编码器模型作为异常风速数据识别模型；获取所述风电机组待进行识别的原始风速数据序列，将所述原始风速数据序列输入所述异常风速数据识别模型，所述异常风速数据识别模型输出修正后的风速数据序列，以得到所述风电机组异常风数据的识别结果。本公开提高了风电机组异常数据的识别精度，实现了对不同类型异常风速数据的高精度识别，有助于保障风电机组的正常运行。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.037 秒)