-
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。
-
公开(公告)号:CN116311074A
公开(公告)日:2023-06-23
申请号:CN202310332035.4
申请日:2023-03-30
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
摘要: 本发明属于人工智能技术领域,具体涉及一种安防监控方法、装置、设备及介质,本方法通过获取目标监控区域不同时刻的两张监控视频截图,用机器学习模型去识别两张监控视频截图中目标监控区域的状态变化,并将状态判断结果反馈至智能安防的主站系统。能够识别两个不同的时间在目标监控区域中发生了哪些变化,无需人工监控,避免了人力成本的浪费,以及人员长时间集中注意力的疲倦和判断延迟等问题。
-
公开(公告)号:CN116032020A
公开(公告)日:2023-04-28
申请号:CN202310244169.0
申请日:2023-03-09
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
摘要: 本公开提出一种新能源电站智能监盘方法及系统,该方法包括构建训练数据集;构建智能监盘模型,智能监盘模型采用新型值函数优化强化学习算法,其包括目标网络和评估网络,目标网络的输入包括新能源电站设备就地测点的运行数据和反馈参数,目标网络的输出为动作目标值;评估网络基于动作目标值和动作标签值输出反馈参数;利用训练数据集训练智能监盘模型得到训练好的智能监盘模型,将训练好的智能监盘模型中反馈参数恒定设置为零以得到目标智能监盘模型;获取新能源电站设备就地测点的实时运行数据;将实时运行数据输入目标智能监盘模型输出实时的动作目标值,从而实现对新能源电站的智能监盘。根据本公开的方法能够提高模型预测的准确性。
-
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:CN118537626A
公开(公告)日:2024-08-23
申请号:CN202410539937.X
申请日:2024-04-30
申请人: 华能吉林发电有限公司 , 中国华能集团清洁能源技术研究院有限公司 , 华能吉林发电有限公司镇赉风电厂
发明人: 张燧 , 王青天 , 杨紫阳 , 刘旭亮 , 彭鹏 , 王恩民 , 任鑫 , 童彤 , 张明杰 , 孟欣 , 张玉刚 , 李全杰 , 邢李方 , 于景龙 , 王介昌 , 张俊东 , 葛鎣 , 张立武 , 翟强 , 尹大为 , 吴昊 , 杨健全
IPC分类号: G06V10/764 , G06V10/82 , G06V10/44 , G06V10/50 , G06N3/0464 , G06N3/08 , H02S50/00
摘要: 本公开实施例涉及光伏系统故障检测技术领域,提供了一种光伏系统故障检测方法及装置、电子设备、存储介质,检测方法包括:获取光伏系统的光伏组件图像;将光伏组件图像输入训练好的深度学习模型,得到光伏组件图像对应的故障检测结果;其中,深度学习模型包括VGG‑16模型以及专用层、级联层、分类层;VGG‑16模型用于提取光伏组件图像的图像特征;专用层用于提取光伏组件图像对应的方向梯度直方图归一化特征;级联层用于将图像特征和方向梯度直方图归一化特征进行级联并向量化,得到对应的向量化特征;分类层用于根据向量化特征确定故障检测结果。本公开实施例有效实现了端到端的光伏图像故障检测,提高了故障检测精度。
-
公开(公告)号:CN117273208A
公开(公告)日:2023-12-22
申请号:CN202311181149.X
申请日:2023-09-13
IPC分类号: G06Q10/04 , G06Q50/06 , G06F18/10 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/08
摘要: 本发明涉及新能源功率预测技术领域,尤其涉及一种组合功率预测方法、装置、设备及存储介质,包括:获取新能源原始数据,构建原始数据集,对原始数据集进行数据清洗处理,获得预处理数据集,构建预训练模型,利用预处理数据集对预训练模型进行训练,得到训练完成的功率预测模型,利用功率预测模型对待预测的数据进行预测处理,得到预测结果。对不同的数据源进行数据清晰与预处理,对不同的数据源的历史数据采用通道独立的思想进行时间序列预测,分别用不同数据源的历史数据预测该数据源未来的结果,随后对不同数据源的预测结果进行状态融合,实现对各个时间步的单独预测过程,最终时间短期的功率预测功能,实现了准确、高效的组合功率预测。
-
公开(公告)号:CN117251728A
公开(公告)日:2023-12-19
申请号:CN202311149117.1
申请日:2023-09-06
IPC分类号: G06F18/214 , G06F18/25 , G06Q10/04 , G06Q50/06 , H02J3/00 , G06F17/16 , G06N3/0442 , G06N3/0464 , G06N3/08
摘要: 本公开提出一种风电机组发电功率预测模型训练方法、装置及设备,方法包括:获取多条训练数据,其中,每条训练数据包括每天中多个时间点的多种机组运行数据构成的第一矩阵、多种测风塔数据构成的第二矩阵、多种气象预报数据构成的第三矩阵,并分别将每条训练数据的第一矩阵、第二矩阵以及第三矩阵作为特征图并进行融合处理,以得到训练特征图,以及分别将训练特征图输入至初始网络模型,以输出多个时间点的多个预测功率,利用预设损失函数基于多个时间点的实际功率和预测功率计算目标损失值,并参考目标损失值对初始网络模型进行优化直至收敛,得到发电功率预测模型,从而能够利用发电功率预测模型准确预测风电机组的发电功率。
-
公开(公告)号:CN116245251A
公开(公告)日:2023-06-09
申请号:CN202310259340.5
申请日:2023-03-09
申请人: 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 , G06Q50/06 , G06N3/045 , G06N3/0464 , H02J3/00
摘要: 本发明提出一种并行的多步风功率预测方法及装置,其中,方法包括:通过获取历史时段的机组运行数据和气象数据,实现根据历史时段的机组运行数据和气象数据,确定输入矩阵,从而将输入矩阵分别输入至至少一个预测时间分段的预测模型,以得到各预测时间分段的功率预测结果,其中,预测时间分段是基于预测时段确定的,进而将各预测时间分段的功率预测结果汇总,以得到预测时段的目标功率预测结果。由此,可实现将预测时段进行分段,得到至少一个预测时间分段,从而每个预测时间分段对应一个预测模型,不同预测时间分段的预测模型提取不同的数据特征,有效提高了预测的准确性。
-
公开(公告)号:CN115940132A
公开(公告)日:2023-04-07
申请号:CN202211412863.0
申请日:2022-11-11
申请人: 中国华能集团清洁能源技术研究院有限公司
摘要: 本申请提出了一种基于时间卷积网络的风功率预测方法,涉及风功率预测技术领域,其中,该方法包括:获取原始气象数据和风功率系统运行数据;对原始气象数据和风功率系统运行数据进行处理,生成训练集;构建TCN模型,使用训练集对TCN模型进行训练;获取待预测数据输入到TCN模型中,得到预测结果,其中,预测结果为风电系统的总功率。采用上述方案的本发明解决了现有技术无法将人工智能算法应用于新能源功率预测的技术问题。
-
公开(公告)号:CN115907819A
公开(公告)日:2023-04-04
申请号:CN202211448440.4
申请日:2022-11-18
申请人: 中国华能集团清洁能源技术研究院有限公司
IPC分类号: G06Q30/0201 , G06F18/214 , G06V10/82 , G06N3/0442 , G06N3/08 , G06Q50/06
摘要: 本发明提出一种基于元学习训练的现货市场日前电价确定方法及系统,该方法包括获取历史市场披露数据和历史电价以构建训练数据集,利用滑动窗口对训练数据集进行分解获得多个训练任务数据集;构建价格计算模型,价格计算模型采用长短期记忆网络算法模型;采用元学习训练,利用所有训练任务数据集对长短期记忆网络算法模型的参数进行训练,获得训练好的价格计算模型;获取现货市场披露数据,现货市场披露数据的数据类型与历史市场披露数据的数据类型一致;将现货市场披露数据输入训练好的价格计算模型,输出日前电价计算结果。根据本发明的方法,提高了电价预测计算的准确性和经济性。
-
-
-
-
-
-
-
-
-