-
公开(公告)号：CN116932989A
公开(公告)日：2023-10-24
申请号：CN202310986674.2
申请日：2023-08-07
申请人： 华能澜沧江水电股份有限公司 , 中国华能集团清洁能源技术研究院有限公司
摘要： 本发明提供NWP风速修正方法、系统、设备及其介质，属于风电预测技术领域，包括：采集原始数据；对所述原始数据进行归一化处理后，对归一化处理后的原始数据进行幅值偏差修正，得到幅值修正特征矩阵；同时，对归一化处理后的原始数据进行相位偏差修正，得到相位修正特征矩阵；利用LSTM模型对所述幅值修正特征矩阵和相位修正特征矩阵进行融合，得到NWP风速修正结果。本发明所提出的方法对幅值与相位修正结果进行融合，可以提高NWP预测风速修正的准确性。
-
公开(公告)号：CN117272205A
公开(公告)日：2023-12-22
申请号：CN202311257315.X
申请日：2023-09-27
申请人： 中国华能集团清洁能源技术研究院有限公司 , 华能澜沧江水电股份有限公司
IPC分类号： G06F18/2433 , G06F18/15 , G06Q50/06
摘要： 本发明公开了一种风电场多维异常数据检测清洗方法、系统、设备及介质，属于风力发电技术领域，方法包括根据风机的运行机理和控制策略，对风电机组的实测数据中的极端异常数据进行剔除，得到初步筛选实测数据；根据风机的变桨控制策略，对初步筛选实测数据中的限电数据进行剔除，得到第二次筛选实测数据；根据3sigma原则，对第二次筛选实测数据中的离散异常数据进行剔除，得到第三次筛选实测数据；根据风电场运行数据，采用双向四分位法或双向单边四分位法，对第三次筛选实测数据中的边缘异常数据进行剔除，得到最终实测数据。综合风电机组各项运行数据，能够进行多维度的异常数据辨识，最大程度保留高质量的实测数据，为后续提升风电功率估算精度提供可靠依据。
-
公开(公告)号：CN117394308A
公开(公告)日：2024-01-12
申请号：CN202311234381.5
申请日：2023-09-24
摘要： 本申请涉及一种多时间尺度风力发电功率预测方法、系统及电子设备，本申请旨在结合多时间尺度和智能AI技术，提供一种高精度的风力发电功率预测方法，结合多时间尺度(从分钟级到小时级等)的数据和人工智能技术，以支持电力系统的稳定运行和可再生能源的最大化利用。利用不同时间尺度的数据集进行模型训练，得到不同时间尺度的功率预测模型，并进一步灵活运用不同时间尺度的预测模型进行功率值预测，可以实现短期调度和长期规划预测，基于多时间尺度进行不同尺度下的风力发电功率预测方法，提高预测效率和适用范围，系统使用灵活，有助于推广使用。
-
公开(公告)号：CN117394308B
公开(公告)日：2024-08-13
申请号：CN202311234381.5
申请日：2023-09-24
摘要： 本申请涉及一种多时间尺度风力发电功率预测方法、系统及电子设备，本申请旨在结合多时间尺度和智能AI技术，提供一种高精度的风力发电功率预测方法，结合多时间尺度(从分钟级到小时级等)的数据和人工智能技术，以支持电力系统的稳定运行和可再生能源的最大化利用。利用不同时间尺度的数据集进行模型训练，得到不同时间尺度的功率预测模型，并进一步灵活运用不同时间尺度的预测模型进行功率值预测，可以实现短期调度和长期规划预测，基于多时间尺度进行不同尺度下的风力发电功率预测方法，提高预测效率和适用范围，系统使用灵活，有助于推广使用。
-
公开(公告)号：CN117277286A
公开(公告)日：2023-12-22
申请号：CN202311170540.X
申请日：2023-09-11
申请人： 中国华能集团清洁能源技术研究院有限公司 , 华能澜沧江水电股份有限公司
IPC分类号： H02J3/00 , G06Q10/04 , G06Q50/06 , G06F18/214 , G06F18/23 , G06N3/0442 , G06N3/0455 , G06N3/0464 , H02J3/38
摘要： 本发明提出一种基于时空多重聚类算法的区域风电集群功率预测方法，该方法包括获取风电集群的各个风电场的风电功率数据和相关数据，基于各风电功率数据获得对应风电场的功率曲线，采用时空多重聚类算法对所有功率曲线进行分类以将风电集群划分为多个子区域；在各子区域中基于风电功率数据采用互信息法确定代表风电场；针对各代表风电场采用自相关法和互信息法获得训练数据集；构建预测模型利用训练数据集训练预测模型得到目标预测模型；基于风电功率数据和相关数据，利用目标预测模型输出代表风电场的当前时间步长相邻的预测时间步长的风电功率预测值，进而得到风电集群的区域风电功率预测值。根据本发明的方法能够提高区域风电集群功率预测精度。
-
公开(公告)号：CN117273206A
公开(公告)日：2023-12-22
申请号：CN202311176308.7
申请日：2023-09-13
申请人： 中国华能集团清洁能源技术研究院有限公司 , 华能澜沧江水电股份有限公司
IPC分类号： G06Q10/04 , G06Q50/06 , H02J3/00 , G06N3/0442
摘要： 本申请提出一种短期风电功率预测方法、装置、电子设备和存储介质，其中，该方法包括：在预测风电发电功率的过程中，通过短期风电功率预测模型对各个历史时刻上的多源历史数据中各数据进行处理，以得到各个历史时刻上的多源数据中各数据的注意力权重，并基于各个历史时刻上的多源历史数据中各数据的注意力权重以及各个历史时刻上的多源历史数据的隐藏状态向量的注意力权重两者来对待预测时刻的风电发电功率进行预测，提高了风电发电功率预测的准确度。
-
公开(公告)号：CN117272199A
公开(公告)日：2023-12-22
申请号：CN202311163666.4
申请日：2023-09-11
申请人： 中国华能集团清洁能源技术研究院有限公司 , 华能澜沧江水电股份有限公司
IPC分类号： G06F18/2433 , G06F18/24 , G06F18/27 , G06F18/2321 , G06F17/18 , G06Q50/06
摘要： 本发明公开了风电机组风功率异常数据的识别方法、装置、设备及介质，本发明的方法包括基于预设的规则得到风电功率曲线数据中的底部堆积型异常数据；对风电功率曲线数据进行多项式拟合以得到中部堆积型异常数据；对风电功率曲线数据进行基于密度的聚类操作以得到离散型异常数据；对底部堆积型异常数据、中部堆积型异常数据和离散型异常数据进行异常值判定，并根据异常值判定结果识别风电功率曲线数据中的醉蛛异常数据。本发明能够针对不同类型的异常数据制定不同识别模型并加以融合，从而提高异常数据的识别率。
-
公开(公告)号：CN117236502A
公开(公告)日：2023-12-15
申请号：CN202311219885.X
申请日：2023-09-20
申请人： 华能澜沧江水电股份有限公司 , 中国华能集团清洁能源技术研究院有限公司
IPC分类号： G06Q10/04 , G06F18/213 , G06F18/214 , G06F18/24 , G06N5/01 , G06Q50/06
摘要： 本申请提出了一种强对流引发的风力发电爬坡事件预测方法及装置，该方法包括：获取风电场有功功率的长时间历史序列，根据差分滤波法处理长时间历史序列的每一个点，生成包含爬坡事件时间点的标签序列；获取与标签序列对应的风电场气象数据，根据平流层强迫对气象数据中的强对流事件进行分类，提取同类强对流事件的核心预报因子，生成高价值气象特征集；整合标签序列与高价值气象特征集，并对整合的数据集进行BOOTSTRAP抽样处理，生成均衡化数据集；构建基于梯度提升决策树理论的非线性预测模型，根据均衡化数据集对非线性预测模型进行训练，训练结束后，生成风力发电爬坡事件预测的最优模型。本申请能够提高强对流天气引发的风电爬坡事件的预测能力。
-
公开(公告)号：CN117134341A
公开(公告)日：2023-11-28
申请号：CN202311125266.4
申请日：2023-09-01
申请人： 华能澜沧江水电股份有限公司 , 中国华能集团清洁能源技术研究院有限公司
IPC分类号： H02J3/00 , G06Q10/063 , G06Q50/06
摘要： 本申请提出一种风力发电设备的功率预测方法及装置，其中，方法包括：获取在各历史时刻风力发电设备对应的各参考指标下的历史数值及其输出的历史功率；确定历史功率分别与各参考指标下的历史数值间的相关度，以基于相关度从各参考指标中确定出目标指标；基于各历史时刻下目标维度的历史数值对初始风电功率模型的参数进行迭代优化，确定风电功率模型；将当前时刻风力发电设备对应的目标维度下的数值输入风电功率模型中，获取风电功率模型输出的风力发电设备下一时刻的功率。从而提高了风力发电设备的功率预测的准确性。
-
公开(公告)号：CN117131323A
公开(公告)日：2023-11-28
申请号：CN202311109514.6
申请日：2023-08-30
申请人： 华能澜沧江水电股份有限公司 , 中国华能集团清洁能源技术研究院有限公司
IPC分类号： G06F17/16 , G06F18/22 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/08 , G06Q50/06 , H02J3/00
摘要： 本发明公开了一种残差修正的功率预测方法、系统及可读存储介质，属于风力发电技术领域，首先，获取NWP预测数据、NWP历史数据、机组运行状态数据、测风塔数据。然后进行功率趋势预测与功率残差预测，其中功率趋势预测采用多种相似度量指标进行功率候选集初步筛选，并采用attention机组进行功率候选集二次筛选增加模型的适应能力；功率残差预测部分采用通道独立的预测思想对不同的关键变量进行参数独立建模，减少了不同变量预测过程中的相互混淆。最后将功率趋势预测与功率残差预测结果进行结果融合，最终得到功率预测结果，提高功率预测准确性。
-
-
-
-
-
-
-
-
-
搜索结果
37 条记录 (耗时 0.065 秒)
