-
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
Applicant: 中国长江三峡集团有限公司 , 华北电力大学
Abstract: 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：CN114723252A
公开(公告)日：2022-07-08
申请号：CN202210300189.0
申请日：2022-03-25
Applicant: 中国长江三峡集团有限公司 , 华北电力大学
Abstract: 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
Applicant: 中国长江三峡集团有限公司 , 华北电力大学
Abstract: 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
Applicant: 华北电力大学 , 中国长江三峡集团有限公司
Abstract: 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
Applicant: 中国长江三峡集团有限公司 , 华北电力大学
IPC: G06F18/23 , G06F18/213 , G06N3/0464 , G06Q50/06
Abstract: 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。
-
Patent Agency Ranking
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
Applicant: 中国长江三峡集团有限公司 , 华北电力大学
IPC: F03D17/00
Abstract: 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。
-
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
Applicant: 中国长江三峡集团有限公司
Inventor： 翟然 , 刘永前 , 梁犁丽 , 李玉浩 , 唐博进 , 阎洁 , 孙勇 , 韩爽 , 张皓 , 李莉 , 董义阳 , 孟航 , 杨恒 , 王函 , 姚向楠 , 张紫雲 , 吕振豫
IPC: H02J3/00 , H02J3/38 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/082
Abstract: 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：CN115290327B
公开(公告)日：2025-03-25
申请号：CN202210791735.5
申请日：2022-07-05
Applicant: 华北电力大学
IPC: G01M13/045 , G06F18/2321 , G06F17/18
Abstract: 本公开涉及一种风电机组的主轴承故障预警方法、装置、设备及存储介质。获取目标风电机组的主轴承温度影响参数；基于主轴承温度影响参数对目标风电机组进行主轴承温度预测，计算目标风电机组的主轴承温度预测残差；对主轴承温度预测残差进行核密度估计，确定主轴承温度预测残差的概率密度曲线；根据概率密度曲线与预设的概率置信区间，对目标风电机组的主轴承进行故障预警。这种故障预警方式方便且可靠，能够对主轴承进行及时、有效的状态监测与故障预警，保证机组安全、可靠、高效运行。
-
公开(公告)号：CN114597960B
公开(公告)日：2025-03-18
申请号：CN202210129109.X
申请日：2022-02-11
Applicant: 华北电力大学
Abstract: 本公开涉及一种风电场运行控制方法、装置、设备及存储介质。该方法包括：获取目标风电场的目标风况时序数据；将目标风况时序数据输入预先训练好的风电场尾流控制模型，得到目标风电场的目标发电功率对应的目标工况时序数据，风电场尾流控制模型基于样本风况时序数据和目标发电功率对应的样本工况时序数据训练得到，目标发电功率基于目标风电场的风电场仿真模型确定，目标发电功率为目标风电场在目标风况时序数据下的最大发电功率；基于目标工况时序数据，控制目标风电场的各台风电机组运行。根据本公开实施例，降低了风电场尾流效应，提高了风电场的整体发电量，以满足提高风电场经济效益的需求。
-
公开(公告)号：CN118232331B
公开(公告)日：2024-12-27
申请号：CN202410359515.4
申请日：2024-03-27
Applicant: 华北电力大学
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/08
Abstract: 本公开涉及一种波浪能发电功率预测方法、装置、设备及介质。该方法包括：获取待预测区域的波浪发电实测功率；利用微调好的波浪发电功率预测模型，对待预测区域的波浪发电实测功率进行处理，确定待预测区域的波浪发电预测功率；其中，波浪发电功率预测模型利用参考区域的波浪高度数据对初始神经网络进行预训练，并利用参考区域的波浪发电实测功率对得到的预训练模型进行微调确定，波浪高度数据与所述参考区域的波浪发电实测功率呈正相关关系，并且，正相关关系的关系值大于预设的正相关值。由此，采用公开易得的波浪高度数据和少量的波浪发电实测功率分别进行预训练和微调，实现了利用少量的波浪发电实测功率，精准的进行波浪发电功率预测。
-
-
-
-
-
-
-
-
-
Search Results
138
records
(took 0.044 seconds)
