基于非线性加权组合的风电短期功率预测方法及装置

    公开(公告)号:CN114139783B

    公开(公告)日:2025-04-15

    申请号:CN202111388592.5

    申请日:2021-11-22

    Abstract: 本发明提供一种基于非线性加权组合的风电短期功率预测方法及装置。所述方法包括获取风电场的历史输出功率;基于经验模态分解方法,将历史输出功率分解为若干固有模态函数;根据若干固有模态函数,利用LSTM神经网络建立低频预测模型;根据若干固有模态函数,利用改进的麻雀搜索算法通过深度置信网络建立高频预测模型;利用基于改进的麻雀搜索算法‑深度置信网络建立的神经网络对低频预测模型的预测结果和高频预测模型的预测结果进行整合,以得到风电功率的最终预测模型。本发明提供了一种有效的提取风电功率特征的方法,能够有效提升风电短期功率预测的准确率,取得了更好的预测精度。

    并网光伏电池系统的优化方法及装置

    公开(公告)号:CN114977292B

    公开(公告)日:2025-03-21

    申请号:CN202210616575.0

    申请日:2022-06-01

    Abstract: 本公开提供一种并网光伏电池系统的优化方法及装置。所述方法包括:建立并网光伏电池系统的输出功率模型;根据所述并网光伏电池系统的输出功率模型,建立所述并网光伏电池系统的经济模型;根据所述并网光伏电池系统的经济模型,建立所述并网光伏电池系统的经济规模优化模型;基于郊狼优化算法,对所述并网光伏电池系统的经济规模优化模型进行优化应用郊狼优化算法解决了考虑可靠性和温室气体排放的并网光伏电池系统规模优化问题,与非可再生能源并网系统相比,该系统的NPC和COE均有所减小。

    风力发电机高速轴承的预测性维修方法及系统

    公开(公告)号:CN112597607B

    公开(公告)日:2023-09-15

    申请号:CN202011522499.4

    申请日:2020-12-21

    Abstract: 本发明提供一种面向风力发电机高速轴承的预测性维修方法及系统,属于工业自动化技术领域。其中,面向风力发电机高速轴承的预测性维修方法包括采集风力发电机高速轴承的振动数据,并对所述振动数据进行处理,根据处理后的振动数据拟合指数退化模型,对所述指数退化模型进行增量更新,并预测所述风力发电高速轴承的剩余寿命。本发明的预测性维修方法实现了对投产初期,无历史数的风力发电机高速轴承实现剩余寿命预测,进而指导预测性维护。并且,本发明的方法随着设备运行,可利用新采集的数据在线更新模型参数,并可以实时预测风力发电高速轴承的剩余寿命,同时还可以计算预测结果的置信度。

    基于EEMD的双向LSTM网络风速预测方法

    公开(公告)号:CN114781739A

    公开(公告)日:2022-07-22

    申请号:CN202210484593.8

    申请日:2022-05-06

    Abstract: 本发明提供了基于EEMD的双向LSTM网络风速预测方法,其采用EEMD将风速序列分解为多个频域相对稳定的子序列,避免了EMD的模态混叠现象,再采用BiLSTM构建预测模型,提高了风速预测的精度。其包括如下步骤:步骤1、数据采集,采集得到对应风力发电场的风速数据;步骤2、数据预处理,采用Z‑score对数据进行归一化处理,将数据集使用转换成合适的形式,其中x为原始风速数据,μ为全部风速数据的均值,σ为全部风速数据的标准方差,x'为归一化后的风速数据;步骤3、数据去噪,其在混合模型中采用EEMD进行数据去噪,其将实际输入信号分为多个IMFS和一个残差分量;步骤4、模型训练,将数据划分为训练数据及测试数据,其采用双向LSTM网络进行风速预测;步骤5、性能验证。

    基于增强卷积去噪算法的风电机组数据清洗方法及装置

    公开(公告)号:CN114153826A

    公开(公告)日:2022-03-08

    申请号:CN202111312716.1

    申请日:2021-11-08

    Abstract: 本公开提供一种基于增强卷积去噪算法的风电机组数据清洗方法及装置。所述方法包括:基于SCADA系统,采集风电机组的风电数据;对所述风电机组的风电数据,采用模糊C均值FCM进行数据聚类;对聚类处理后的所述风电数据,基于增强卷积神经网络进行数据去噪;对去噪处理后的所述风电数据,基于布谷鸟算法进行数据缺失值填补和无效值处理,完成风电机组数据清洗。本公开的风电机组数据清洗,为风电机组的状态监测和异常检测以及长短期风电功率预测等奠定了良好的基础。在风机数据去噪中引入了增强卷积神经网络方法,并且在神经网络隐藏层的输出附加辅助监督信息作为正则化约束,可有效提高数据去噪的效率和精确性。

    基于非线性加权组合的风电短期功率预测方法及装置

    公开(公告)号:CN114139783A

    公开(公告)日:2022-03-04

    申请号:CN202111388592.5

    申请日:2021-11-22

    Abstract: 本发明提供一种基于非线性加权组合的风电短期功率预测方法及装置。所述方法包括获取风电场的历史输出功率;基于经验模态分解方法,将历史输出功率分解为若干固有模态函数;根据若干固有模态函数,利用LSTM神经网络建立低频预测模型;根据若干固有模态函数,利用改进的麻雀搜索算法通过深度置信网络建立高频预测模型;利用基于改进的麻雀搜索算法‑深度置信网络建立的神经网络对低频预测模型的预测结果和高频预测模型的预测结果进行整合,以得到风电功率的最终预测模型。本发明提供了一种有效的提取风电功率特征的方法,能够有效提升风电短期功率预测的准确率,取得了更好的预测精度。

    基于边缘计算的智慧风电系统
    9.
    发明公开

    公开(公告)号:CN114109717A

    公开(公告)日:2022-03-01

    申请号:CN202111348998.0

    申请日:2021-11-15

    Abstract: 本公开提供一种基于边缘计算的智慧风电系统,所述智慧风电系统包括风电机组和边缘计算设备,所述边缘计算设备包括前端传感器和控制单元;所述前端传感器分别与所述风电机组和所述控制单元电连接;其中,所述前端传感器,用于采集所述风电机组的实际运行数据,并将所述实际运行数据发送至所述控制单元;所述控制单元,用于基于所述实际运行数据,采用卡尔曼算法对所述风电机组进行最大功率跟踪控制。基于卡尔曼预估算法对风力发电机组的最大功率点进行控制,有助于风力发电机快速准确跟踪最大功率点。此外,本公开还基于边缘计算,将控制算法布置在风力发电机运行现场,能及时为风电机组的运行提供更合适的运维方案,提高风能利用率。

    一种基于风电预测的虚拟电厂储能容量配置方法

    公开(公告)号:CN112671035A

    公开(公告)日:2021-04-16

    申请号:CN202011517754.6

    申请日:2020-12-21

    Abstract: 一种基于风电预测的虚拟电厂储能容量配置方法,包括以下步骤,分析虚拟电厂各主体的运行特性,包括热电联产机组、储能装置、风光发电,建立各主体运行的数学模型;使用场景法模拟描述风力发电不确定性,作为风电实际出力参与储能装置配置优化;采用粒子群算法求解,进行虚拟电厂储能装置容量优化配置;能够预测各时段风力大小的情况下,为热电机组在各时段的出力情况的如何分配也提供了依据;在满足供热需求的情况下,将风力发电与火力发电结合同时满足供电需求也提高了风电的上网空间;储能装置容量合理的配置,使整个虚拟电厂的经济效益达到最高。

Patent Agency Ranking