基于PSO-GRNN风电场风电机缺损风速值填充方法

    公开(公告)号:CN105138729B

    公开(公告)日:2018-01-09

    申请号:CN201510443853.7

    申请日:2015-07-24

    Abstract: 本发明公开了基于PSO‑GRNN风电场风电机缺损风速值填充方法,依次进行风速数据相似性判定;确定GRNN填充子模型待优化参数集和评价此优化参数集的适应度函数;运用PSO算法优化待优化的参数,建立GRNN填充子模型;GRNN填充子模型进行GRNN组合,生成最终的填充结果。本发明针对以往单一填充模型稳定性差的缺点,提取与缺损测量风速风电机在缺损采样点附近风速演化最相似的若干台风电机的测量风速,采用PSO‑GRNN神经网络组合填充模型对各子模型的填充结果进行动态组合,同时设计了对于组合用GRNN最佳平滑系数的确定方案,进一步提高了最终的填充结果精度和稳定性。

    一种风电场风电机机舱短期风速组合预报方法

    公开(公告)号:CN105741192B

    公开(公告)日:2021-05-18

    申请号:CN201610113700.0

    申请日:2016-02-29

    Abstract: 本发明公开了一种风电场风电机机舱短期风速组合预报方法,分别采用动态时间规整法和相关系数法对预报风电机机舱与所有风电机机舱逐日对应一定时段的风速子序列进行相似性分析,提取演化最相似的若干子序列的风速数据,分别建立基于动态时间规整法和相关系数法的广义回归神经网络子模型预报单元,各子模型的具体参数采用粒子群算法进行全局优化,两个子模型预报结果的平均值作为组合预报方法的最终预报结果。本发明实现了对风电场内每台风电机的机舱风速进行精细化预报,从而有效提高整个风电场的短期出力预报水平。

    基于PSO-GRNN风电场风电机缺损风速值填充方法

    公开(公告)号:CN105138729A

    公开(公告)日:2015-12-09

    申请号:CN201510443853.7

    申请日:2015-07-24

    Abstract: 本发明公开了基于PSO-GRNN风电场风电机缺损风速值填充方法,依次进行风速数据相似性判定;确定GRNN填充子模型待优化参数集和评价此优化参数集的适应度函数;运用PSO算法优化待优化的参数,建立GRNN填充子模型;GRNN填充子模型进行GRNN组合,生成最终的填充结果。本发明针对以往单一填充模型稳定性差的缺点,提取与缺损测量风速风电机在缺损采样点附近风速演化最相似的若干台风电机的测量风速,采用PSO-GRNN神经网络组合填充模型对各子模型的填充结果进行动态组合,同时设计了对于组合用GRNN最佳平滑系数的确定方案,进一步提高了最终的填充结果精度和稳定性。

Patent Agency Ranking