光伏电站清洁优化调度方法与装置

    公开(公告)号:CN114066085A

    公开(公告)日:2022-02-18

    申请号:CN202111402300.9

    申请日:2021-11-19

    IPC分类号: G06Q10/04 G06Q10/06 G06Q50/06

    摘要: 本发明提供一种光伏电站清洁优化调度方法与装置,属于光伏发电技术领域。其中,本发明的方法包括下述具体步骤:构建光伏电池积尘量预测模型,并对积尘量进行预测;根据所述光伏电池积尘量预测模型,以得到发电功率;根据所述发电功率与积尘清洗成本,提出了光伏电站总利润模型;根据环境条件与得到的积尘量,以得到调度周期内光伏电站最佳清洗调度方案。本发明提出了周期内光伏电池板积尘量预测模型,为光伏电站调度决策提供参考,综合考虑发电功率预测、积尘清洗方案费用及电价,给出了电站总利润模型,解决了光伏发电系统积尘清洗调度优化问题。

    风电机组和光伏系统功率的智能预测方法

    公开(公告)号:CN114662729A

    公开(公告)日:2022-06-24

    申请号:CN202111405507.1

    申请日:2021-11-24

    IPC分类号: G06Q10/04 G06Q50/06 G06N3/00

    摘要: 本发明提供一种风电机组和光伏系统功率的智能预测方法,属于光伏发电技术领域。本发明方法包括:采集风电机组和光伏系统的运行数据,并选定预测类型;基于所述运行数据选取输入输出变量;基于小波去噪的运行数据预处理;基于多目标松鼠算法的预测模型建立。本发明提供一种大数据背景下的智能预测方法以实现风电机组和光伏系统的快速精确功率预测,该方法考虑了风电机组和光伏阵列对外界环境变化的敏感性,基于发电机组的海量实际运行数据,首先通过特征提取和数据去噪实现待建模型输入输出变量的选取和训练数据预处理,然后构建多目标松鼠优化算法实现模型参数的优化,有效提高风电机组和光伏系统输出功率预测过程的快速性和精确性。

    光伏阵列清洗时间优化的数据驱动辨识方法与装置

    公开(公告)号:CN114169229A

    公开(公告)日:2022-03-11

    申请号:CN202111405477.4

    申请日:2021-11-24

    摘要: 本发明提供一种光伏阵列清洗时间优化的数据驱动辨识方法与装置,属于光伏阵列清洗时间优化领域。本发明的方法包括下述步骤:采集在预设条件下的光伏阵列积灰密度和输出功率的相关数据;基于相关数据,对猎鹿优化算法的模型辨识进行原理分析及过程描述;基于所述猎鹿优化算法的模型参数辨识方法,分别对光伏系统积灰衰减模型和峰值小时数预测模型进行辨识;对所述光伏阵列的积灰清洗预测时间进行合理性评估和定量分析。本发明通过所建立的光伏系统积灰衰减模型和峰值小时数预测模型可间接求得最佳清洗时间间隔,为清洗时间动态优化提供了参考。通过收益量化对清洗前后光伏系统的发电收益变化进行对比,以有效评估所得清洗时间方案的合理性。

    一种基于多时域平均细分的风机故障诊断方法

    公开(公告)号:CN115017952A

    公开(公告)日:2022-09-06

    申请号:CN202210662284.5

    申请日:2022-06-13

    IPC分类号: G06K9/00 G06K9/62 G01M13/00

    摘要: 本发明公开了一种基于多时域平均细分的风机故障诊断方法,包括以下步骤:获取风机正常状态的数据和不同故障状态下的故障状态数据并分别进行MTAD分解,得到MTAD分解后的数据;对MTAD分解出所有频率下的时间序列以波峰绝对值进行模糊熵特征选择,从中选择多个模糊熵较小的时间序列重构特征信号;从风机数据集中随机选取多个数据构建训练集,剩余数据组成特征集;使用训练集训练SVM,使用训练好的SVM模型对测试数据进行准确性和有效性验证,重复多次并分析诊断结果。本发明能够有效地将不同频率下的信号分解开,且可筛选出研究者感兴趣的频段信号,对指定频段外的噪音信号有很强的抑制作用,缩短了计算时间,提升了预测效率。

    一种风电功率预测方法及装置
    8.
    发明公开

    公开(公告)号:CN114139777A

    公开(公告)日:2022-03-04

    申请号:CN202111349004.7

    申请日:2021-11-15

    摘要: 本发明提供一种风电功率预测方法及装置。所述方法包括:风电机组运行数据的采集;基于卡尔曼滤波的数据预处理;增广深度STSR‑LSTM网络的构建;基于飞蛾火焰算法的增广深度STSR‑LSTM网络的参数优化;所提出的中长期风电功率预测方法的性能验证。本发明的风电功率预测方法,提供了一种基于飞蛾火焰算法优化选通递归神经网络深度学习的风电功率预测方法以实现风机功率的精准预测。本发明聚焦于中长期风电功率预测,提出了增广的深度序列到序列长短期记忆回归网络模型来提高预测性能,可有效提高风电功率预测精度。本发明通过飞蛾火焰算法对所用深度学习及神经网络模型中的参数进行优化,从而进一步保证算法性能。

    一种考虑随机时延的风机控制系统容错控制方法

    公开(公告)号:CN112664468A

    公开(公告)日:2021-04-16

    申请号:CN202011360933.3

    申请日:2020-11-27

    IPC分类号: F04D25/08 F04D27/00

    摘要: 一种考虑随机时延的风机控制系统容错控制方法,包括:考虑外部扰动的影响,建立风机转矩控制系统的状态空间方程,考虑网络控制系统中的执行器故障,应用输入时滞和伯努利分布得到改进的系统状态方程;采用李雅普诺夫稳定性分析方法,得到控制器的约束条件矩阵;通过矩阵不等式计算求取状态反馈控制器增益矩阵本发明考虑具有执行器故障和随机时滞的风机转矩控制控制系统,建立了闭环控制系统模型,给出了闭环系统渐近稳定和容错控制的解决方法;建立了包含随机时滞信息的李雅普诺夫‑克拉索夫斯基函数,基于拓展互补凸优化矩阵法对时滞进行分析和处理,得到使系统稳定的充分条件,显著降低了系统的保守性;获得良好的性能特性。