-
公开(公告)号：CN111062508A
公开(公告)日：2020-04-24
申请号：CN201910241033.8
申请日：2019-03-28
申请人： 华北电力大学(保定)
摘要： 一种基于大数据技术评估风电机组实时运行状态的方法，所述方法包括构建风电机组状态评估的项目层、建立各指标与对应监测量间的联系、提出风电机组运行状态指标的预测方法及建立风电机组运行状态的评估模型等。本发明通过使用一系列的大数据分析建模技术，深度挖掘风机评估指标与系统监测量的内部关系，使用深度学习提高了评估指标的预测准确性，并计及了风机的实时运行状态对于相应部件劣化度的影响，使用动态劣化度和动态权重对各评估指标的瞬时值和变动趋势综合起来进行量化，增强了风机状态评估的可信度。本发明能够节约机组维修成本，对风电场的安全运行及维护工作具有重要的指导意义。
-
公开(公告)号：CN111062508B
公开(公告)日：2023-10-31
申请号：CN201910241033.8
申请日：2019-03-28
申请人： 华北电力大学(保定)
IPC分类号： G06Q10/04 , G06Q10/0637 , G06Q50/06 , G06F30/27
摘要： 一种基于大数据技术评估风电机组实时运行状态的方法，所述方法包括构建风电机组状态评估的项目层、建立各指标与对应监测量间的联系、提出风电机组运行状态指标的预测方法及建立风电机组运行状态的评估模型等。本发明通过使用一系列的大数据分析建模技术，深度挖掘风机评估指标与系统监测量的内部关系，使用深度学习提高了评估指标的预测准确性，并计及了风机的实时运行状态对于相应部件劣化度的影响，使用动态劣化度和动态权重对各评估指标的瞬时值和变动趋势综合起来进行量化，增强了风机状态评估的可信度。本发明能够节约机组维修成本，对风电场的安全运行及维护工作具有重要的指导意义。
-
公开(公告)号：CN110717610B
公开(公告)日：2023-10-31
申请号：CN201810815187.9
申请日：2018-07-11
申请人： 华北电力大学(保定)
摘要： 本发明提供一种基于数据挖掘的风电功率预测方法，包括以下步骤：a.数据采集与预处理；b.分别使用属性快速约简算法、互信息算法和随机森林算法选出预测模型的输入向量集；c.使用选出的输入向量，基于最小二乘支持向量回归算法初步预测出风电功率；d.算出初步预测功率与实际功率的误差，使用迭代自组织数据分析算法对误差自动分类后基于马尔科夫链原理算出误差的状态转移概率矩阵，进一步得到功率修正值；e.根据误差性能指标择优。本发明考虑了输入向量影响，并首次提出了基于迭代自组织数据分析和马尔科夫链的修正方法，不仅实现了输入向量的有效降维还提高了预测速度和精度。
-
公开(公告)号：CN110717610A
公开(公告)日：2020-01-21
申请号：CN201810815187.9
申请日：2018-07-11
申请人： 华北电力大学(保定)
摘要： 本发明提供一种基于数据挖掘的风电功率预测方法，包括以下步骤：a.数据采集与预处理；b.分别使用属性快速约简算法、互信息算法和随机森林算法选出预测模型的输入向量集；c.使用选出的输入向量，基于最小二乘支持向量回归算法初步预测出风电功率；d.算出初步预测功率与实际功率的误差，使用迭代自组织数据分析算法对误差自动分类后基于马尔科夫链原理算出误差的状态转移概率矩阵，进一步得到功率修正值；e.根据误差性能指标择优。本发明考虑了输入向量影响，并首次提出了基于迭代自组织数据分析和马尔科夫链的修正方法，不仅实现了输入向量的有效降维还提高了预测速度和精度。
-
-
-
搜索结果
4 条记录 (耗时 0.032 秒)