-
公开(公告)号：CN115936238A
公开(公告)日：2023-04-07
申请号：CN202211663241.5
申请日：2022-12-23
申请人： 华润电力技术研究院有限公司
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/08 , G06F18/2135 , G06F18/15 , G06V10/766 , G06V10/774 , G06V10/82 , H02J3/00 , H02J3/46
摘要： 本发明公开了一种全域风电中长期出力预测方法、系统、计算机设备及存储介质。通过获取历史CFS气象数据和与CFS气象数据对应的该地区实际全域风电出力数据的映射关系，以该映射关系作为样本集，使用样本集对采用卷积神经网络构建的模型进行训练，得到全域风电中长期出力预测模型，用该全域风电中长期出力预测模型对该地区未来的全域风电中长期出力数据进行预测。对于历史CFS气象数据的处理采用PCA降维处理和数据增强处理、以及可视化处理后并进行特征提取，获取多维度特征矩阵数据集，以提升数据的连续性和准确性。本发明的技术方案可提高全域风电中长期出力预测的准确率，科学严谨，准确率高，稳定可靠，易于实现，具有很好的普适性。
-
公开(公告)号：CN114897223A
公开(公告)日：2022-08-12
申请号：CN202210421589.7
申请日：2022-04-21
申请人： 华润电力技术研究院有限公司
摘要： 本申请公开了一种风功率的预测方法、装置及计算机可读存储介质，涉及风力技术领域。通过获取第一预设时刻到第二预设时刻的第一实际功率，获取第二预设时刻到当前时刻的第一预测功率和第二实际功率，并根据第一实际功率、第二实际功率和第一预测功率确定用于表征预测的权重因子，获取第三预设时刻的第二预测功率，根据权重因子、第二预测功率和当前时刻的第三实际功率确定第三预设时刻的预测功率。可以看出，此方法先通过历史实际功率和历史预测功率确定出比较准确的权重因子，再根据权重因子和当前时刻的实际功率确定出预测功率，避免了通过建立模型对风功率进行预测，降低了系统预测时的复杂性，提高了预测的准确性。
-
公开(公告)号：CN115936238B
公开(公告)日：2024-01-12
申请号：CN202211663241.5
申请日：2022-12-23
申请人： 华润电力技术研究院有限公司
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/08 , G06F18/2135 , G06F18/15 , G06V10/766 , G06V10/774 , G06V10/82 , H02J3/00 , H02J3/46
摘要： 本发明公开了一种全域风电中长期出力预测方法、系统、计算机设备及存储介质。通过获取历史CFS气象数据和与CFS气象数据对应的该地区实际全域风电出力数据的映射关系，以该映射关系作为样本集，使用样本集对采用卷积神经网络构建的模型进行训练，得到全域风电中长期出力预测模型，用该全域风电中长期出力预测模型对该地区未来的全域风电中长期出力数据进行预测。对于历史CFS气象数据的处理采用PCA降维处理和数据增强处理、以及可视化处理后并进行特征提取，获取多维度特征矩阵数据集，以提升数据的连续性和准确性。本发明的技术方案可提高全域风电中长期出力预测的准确率，科学严谨，准确率高，稳定可靠，易于实现，具有很好的普适性。
-
公开(公告)号：CN115525637B
公开(公告)日：2024-04-26
申请号：CN202211255503.4
申请日：2022-10-13
申请人： 华润电力技术研究院有限公司
IPC分类号： G06F16/215 , G06F16/23 , G06F16/2458 , G06F16/29 , G06F17/18
摘要： 本发明公开了一种风矢量观测数据控制与处理方法、系统、计算机设备及存储介质。通过将风矢量观测数据进行矢量分解，基于风矢量观测数据的矢量分解结果进行数据有效性判断，对矢量分解后的U分量和V分量的奇异值，采用插值法或统计法得到质量控制后的矢量分解结果，再将质量控制后的矢量分解结果按照平行四边形法则进行矢量合成，获得质量控制后的风矢量观测数据。与现有技术相比，本申请的风矢量观测数据控制与处理方法稳定性和普适性，适用于单站垂直风矢量观测数据、二维平面风矢量观测数据、单站风矢量时间序列观测数据等多种常见观测场景下得到的风矢量观测数据质量控制，数据和人力资源要求更少，无需大量观测数据和前期分析工作。
-
公开(公告)号：CN115409246A
公开(公告)日：2022-11-29
申请号：CN202210972744.4
申请日：2022-08-12
申请人： 华润电力技术研究院有限公司
摘要： 本发明提供了面向数据缺失的集合预报方法、系统、设备和存储介质，所述方法包括：获取多种预报源数据，并初始化各个预报源数据的预报权重，得到集合预报基础数据集；分别对集合预报基础数据集内各个预报源数据进行数据缺失检测，并根据对应的缺失检测结果，更新各个预报源数据的预报权重，得到第一集合预报数据集；分别对第一集合预报数据集内各个预报源数据进行可信度检测，并根据对应的可信度检测结果，更新各个预报源数据的预报权重，得到第二集合预报数据集；根据第二集合预报数据集进行集合预报，得到预报结果。本发明不仅能简单有效的规避数据缺失和低可信度问题，而且能充分利用各预报源数据，为集合预报的可靠性和精准性提供有效保证。
-
公开(公告)号：CN114462710A
公开(公告)日：2022-05-10
申请号：CN202210128927.8
申请日：2022-02-11
申请人： 华润电力技术研究院有限公司
摘要： 本申请公开了一种风机发电功率的短期预测方法、装置及介质，主要涉及风机发电领域。该方法先根据历史预测气象数据和历史实际气象数据训练气象模型；然后，根据历史实际气象数据和历史短期实际功率训练短期预测模型；再调用气象模型以根据气象模型得到第一目标气象数据对应的第二目标气象数据；最后，调用短期预测模型以根据第二目标气象数据得到第二目标气象数据对应的目标短期预测功率，以便进行上报。该方法调用气象模型根据第一目标气象数据得到第二目标气象数据，并将该第二目标气象数据作为短期预测模型的输入，得到目标短期预测功率，以便进行上报，有效保证了短期预测功率的上报率。
-
公开(公告)号：CN116108989A
公开(公告)日：2023-05-12
申请号：CN202310085439.8
申请日：2023-01-13
申请人： 华润电力技术研究院有限公司
IPC分类号： G06Q10/04 , G06N3/0442 , G06N3/08 , G06Q50/06
摘要： 本申请涉及一种风电超短期功率预测预测方法，所述方法包括：获取历史时段下风电场的视频流数据、气象数据以及每台风力电机组的实际功率数据，并进行数据处理；创建多模态深度学习模型；将进行数据修处理的视频流数据、气象数据以及每台风力电机组的实际功率数据输入所述多模态深度学习模型，得到所述风电场的超短期功率预测数据。相比现有技术，本发明能够在台风条件下，提高风电超短期功率预测准确度，满足了实际应用需求。
-
公开(公告)号：CN114707734A
公开(公告)日：2022-07-05
申请号：CN202210378893.8
申请日：2022-04-12
申请人： 华润电力技术研究院有限公司
摘要： 本申请公开了一种超短期风功率的预测方法、装置及介质，涉及风力技术领域。获取目标风电场与其余风电场的测风数据，根据测风数据确定目标风电场与上风向风电场的实际风速序列和实际风向序列的相关系数，从而对相关系数进行判断，确定是否存在参考序列，当存在参考序列时，根据参考序列确定风电场的相关参数，最后根据相关参数确定预测风功率。可见，通过参考序列确定风电场的相关参数，相关参数包括风电场的风况，根据具体风况可以对目标风电场的风功率进行预测，避免了在预测风功率时通过数据出现问题时，数据都需要重新确定，减少了预测风功率时系统的复杂度和不确定性。且，通过风电场的风况更符合气象规律，提高了超短期预测功率的准确性。
-
公开(公告)号：CN114462712B
公开(公告)日：2024-09-20
申请号：CN202210138747.8
申请日：2022-02-15
申请人： 华润电力技术研究院有限公司
IPC分类号： G06Q10/04 , G06Q50/06 , G06F18/214 , H02J3/00
摘要： 本申请公开了一种风机发电功率的超短期预测方法、装置及介质，主要涉及风机发电领域。该方法先获取基于气象数据预测的风机发电功率和风机实际发电功率；然后，根据目标平均误差率和目标功率差值在预先设置的模型中选择目标模型，预先设置的模型通过如下方式得到：将平均误差率和功率差值分别进行分组得到两种集合，并在两种集合中以任意组平均误差率和任意组功率差值进行组合得到全部组合方式；根据所得到的全部组合方式分别训练模型；最后，调用目标模型根据预测的风机在目标时间点的发电功率得到超短期预测功率。该方法根据目标平均误差率和目标功率差值从预先设置的模型中选择目标模型，能够较好地贴合实际情况，提高超短期预测功率的准确率。
-
公开(公告)号：CN116108989B
公开(公告)日：2024-02-02
申请号：CN202310085439.8
申请日：2023-01-13
申请人： 华润电力技术研究院有限公司
IPC分类号： G06Q10/04 , G06N3/0442 , G06N3/08 , G06Q50/06
摘要： 本申请涉及一种风电超短期功率预测预测方法，所述方法包括：获取历史时段下风电场的视频流数据、气象数据以及每台风力电机组的实际功率数据，并进行数据处理；创建多模态深度学习模型；将进行数据修处理的视频流数据、气象数据以及每台风力电机组的实际功率数据输入所述多模态深度学习模型，得到所述风电场的超短期功率预测数据。相比现有技术，本发明能(56)对比文件孙建伟;任建国;陈志晓;刘金虹;李刍.智慧电厂应用场景下多源信息融合的室内定位精度.《导航定位学报》.2022,第10卷(第1期),110-115+139.韩朋;张晓琳;张飞;王永平.基于AM-LSTM模型的超短期风电功率预测.科学技术与工程.2020,第20卷(第21期),8594-8600.
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.088 秒)
