一种基于滑动窗口的风速波动过程分类方法及装置

    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

    IPC分类号: G06Q10/06 G06Q50/06

    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。

    一种风电场样板机选择方法
    2.
    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。

    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。