-
公开(公告)号：CN115860262A
公开(公告)日：2023-03-28
申请号：CN202211720912.7
申请日：2022-12-30
申请人： 国家电投集团广西电力有限公司运营服务分公司 , 浙江大学
IPC分类号： G06Q10/04 , G06Q50/06 , G06F30/27 , G06F17/12 , G06N3/0499 , G06N3/0985 , G06N3/086 , G06F113/06
摘要： 本发明公开了一种考虑风电集群相关性的风电功率预测方法。该方法考虑了风电集群之间的时间相关性，基于皮尔逊相关系数方法，计算各个相邻风电场与待预测风电场风电功率的最优延时；结合各风电场出力之间的相关性，构建与待预测风电场功率相关性高的虚拟风电集群功率曲线；引入机器学习方法，构建基于改进极限学习机的风电功率预测模型；以虚拟风电集群出力、历史风电功率为输入，实现风电功率的预测。本发明的风电功率预测方法，考虑了风电集群之间的时间相关性，方法的稳定性更好，具有更强的泛化能力。
-
公开(公告)号：CN117650506A
公开(公告)日：2024-03-05
申请号：CN202311369364.2
申请日：2023-10-20
申请人： 国家电投集团广西电力有限公司运营服务分公司 , 浙江大学
摘要： 本发明公开了一种数据驱动的日前风电功率预测方法。该方法考虑了风电及其相关特征因素的相关性关系，基于多种相关系数方法，构建风电功率对历史风电功率、风速、风向、气压、温度、湿度关键特征的灵敏度指标，量化风电功率与相关特征的相关性；开展灵敏度加权的相似性度量，从历史时刻数据集筛选与待预测点相似的数据，建立历史相似数据集；根据待预测点的气象预测数据，自适应划分历史相似数据集的气象场景；组合相似性度量的距离权重和场景划分权重，进行加权重采样，对重采样结果进行平均即可实现日前风电功率预测。本发明的数据驱动预测方法，克服了神经网络等模式驱动方法训练时间长、参数多的缺点，具有更强的泛化能力。
-
公开(公告)号：CN118017474A
公开(公告)日：2024-05-10
申请号：CN202410041585.5
申请日：2024-01-10
申请人： 浙江大学 , 国网河北省电力有限公司经济技术研究院 , 国网经济技术研究院有限公司
摘要： 本发明公开了一种考虑风电场时空相关性及预测误差分布特性的风电功率预测方法。该方法为：首先，基于皮尔逊相关系数，计算不同时间延迟下的风电功率相关性、以及集群内目标风电场与其他风电场功率和风速之间的相关性，得到最佳时延和空间相关性排序，从而充分考虑风电出力在时间上和空间上的相关性；接着，基于风电出力在时间上和空间上的相关性，采用混合集成风电功率确定性预测模型进行风电功率预测；最后，建立历史相似数据集对预测误差进行统计分析得到误差分布特征，基于误差分布特征对风电功率预测结果进行补偿。本发明方法可以解决风电场集群内部分风电场风速预测误差大导致风电功率预测性能差的问题，具有更好的稳定性和更强的泛化能力。
-
公开(公告)号：CN117874522A
公开(公告)日：2024-04-12
申请号：CN202410061700.5
申请日：2024-01-16
申请人： 浙江大学
IPC分类号： G06F18/214 , G06F18/21 , G06F18/243 , G06F18/15 , G06F18/2433 , G06N20/20 , G06N5/01 , G06N3/045 , G06N3/0442 , G06Q50/06 , H02J3/00 , H02J3/38
摘要： 本发明公开了一种考虑弃风数据识别的自适应集成超短期风电预测方法。该方法基于改进横纵四分位法开展弃风数据的识别和剔除，并对处理后的数据进行归一化处理；依据弃风数据识别后的结果，分别构建基于极限学习机、极限梯度提升和长短期记忆神经网络的风电功率基预测模型，开展基预测模型的风电功率预测；根据各个基预测模型在验证集上的误差，对各基预测模型赋权，对基预测模型进行自适应加权集成，得到风电功率预测结果。最后，开展多元条件下(多个提前时间、多风速区间和多风电场)预测误差概率分布的统计分析。
-
-
-
搜索结果
4 条记录 (耗时 0.05 秒)
