-
公开(公告)号：CN108092319A
公开(公告)日：2018-05-29
申请号：CN201711326009.1
申请日：2017-12-13
申请人： 国家电网公司 , 国网冀北电力有限公司经济技术研究院 , 华北电力大学
摘要： 本发明提供了一种短期风电功率预测的不确定性分析方法及装置，涉及风电场功率预测技术领域。方法包括：将标准化预处理后的数值天气预报数据和风电场单台风电机组功率数据分别作为输入和输出，通过训练数据集中的输入数据和输出数据对径向基神经网络模型进行训练；根据训练后的径向基神经网络模型在测试数据集上对短期风电功率进行预测，生成短期风电功率预测输出数据；根据短期风电功率预测输出数据和测试数据集中的测试输出数据确定短期风电功率预测误差，并建立各短期风电功率段的预测误差的分段云模型；在预先设置的置信水平下，根据分段云模型计算短期风电功率预测输出数据的上下区间限值，作为短期风电功率预测的不确定性分析结果。
-
公开(公告)号：CN106897486A
公开(公告)日：2017-06-27
申请号：CN201710021657.X
申请日：2017-01-12
申请人： 华北电力大学 , 国家电网公司 , 甘肃省电力公司风电技术中心
IPC分类号： G06F17/50
摘要： 本发明属于风电场微观选址技术领域，尤其涉及一种考虑湍流强度影响的抛物线形风电机组尾流模型计算方法，包括如下步骤：S1：假设尾流区域半径线性增长，且紧邻风轮后方尾流区域半径与风轮相同，求得风轮后轴向距离x位置处尾流区域半径r；S2：假设风轮后轴向距离x位置处风速沿径向均匀分布，根据质量守恒得到均匀风速v*；S3：根据质量守恒和均匀风速v*，得到轮毂高度水平面上任意点风速v；S4：考虑尾流区域湍流强度对尾流恢复系数k的影响，参考叶片旋转附加湍流强度计算经验公式，得到尾流恢复系数k的计算公式；S5：将尾流恢复系数k代入风速v计算公式，得到风电机组尾流区风速分布的经验尾流模型。
-
公开(公告)号：CN106897486B
公开(公告)日：2020-07-07
申请号：CN201710021657.X
申请日：2017-01-12
申请人： 华北电力大学 , 国家电网公司 , 甘肃省电力公司风电技术中心
IPC分类号： G06F30/20
摘要： 本发明属于风电场微观选址技术领域，尤其涉及一种考虑湍流强度影响的抛物线形风电机组尾流模型计算方法，包括如下步骤：S1：假设尾流区域半径线性增长，且紧邻风轮后方尾流区域半径与风轮相同，求得风轮后轴向距离x位置处尾流区域半径r；S2：假设风轮后轴向距离x位置处风速沿径向均匀分布，根据质量守恒得到均匀风速v*；S3：根据质量守恒和均匀风速v*，得到轮毂高度水平面上任意点风速v；S4：考虑尾流区域湍流强度对尾流恢复系数k的影响，参考叶片旋转附加湍流强度计算经验公式，得到尾流恢复系数k的计算公式；S5：将尾流恢复系数k代入风速v计算公式，得到风电机组尾流区风速分布的经验尾流模型。
-
公开(公告)号：CN118964929A
公开(公告)日：2024-11-15
申请号：CN202410979843.4
申请日：2024-07-22
申请人： 国网江苏省电力有限公司 , 华北电力大学
IPC分类号： G06F18/213 , G06F18/214 , G06F18/23213 , G06F18/2431
摘要： 本发明实施例公开了一种风电功率爬坡事件的预测方法、装置、设备及介质。包括：获取海上风电场的风速信息以及功率信息；将所述风速信息以及所述功率信息输入至预设爬坡事件预测模型，获取所述预设爬坡事件预测模型输出的爬坡事件的属性信息；所述预设爬坡事件预测模型包括编码子模型、注意力机制子模型和多个并列的解码子模型，其中，所述编码子模型的输出端与所述注意力机制子模型的输入端相连；所述注意力机制子模型的输出端分别与每个解码子模型的输入端相连，不同解码子模型用于输出所述爬坡事件不同类型的属性信息。本方案可以准确地获得爬坡事件的属性信息，提高了海上风电功率爬坡事件的预测精度，进而保障了电力系统安全稳定的运行。
-
公开(公告)号：CN111159929B
公开(公告)日：2024-06-18
申请号：CN201911174257.8
申请日：2019-11-26
申请人： 华北电力大学
IPC分类号： G06F30/23 , G06F111/10 , G06F119/14
摘要： 本发明属于风电机组叶片结构动力技术领域，尤其涉及一种基于时域有限差分方法的复合材料叶片结构动力学数值模拟方法，包括：步骤1：在梁单元空间坐标系的基础上建立各向异性复合材料叶片理论模型并进行变换；步骤2：通过对变换后的理论模型进行数值离散化来建立各向异性复合材料叶片数值模型；步骤3：通过在不同时刻分别交错构造线速度和角速度、力与力矩的变量来建立适用于有限差分方法的结构动力学计算网格；步骤4：在给定边界条件和初始条件后，求解结构动力学计算网格数值。本发明使得结构动力学求解比传统有限元方式具有更为简洁的形式和更高的效率。
-
公开(公告)号：CN118134039A
公开(公告)日：2024-06-04
申请号：CN202410279367.5
申请日：2024-03-12
申请人： 华北电力大学
摘要： 本公开涉及一种风光功率预测模型的训练方法、装置、系统及介质。每个客户端基于服务端下发的共用模型的共用参数、在上一个训练轮次确定的本地参数、在上一个训练轮次确定的权重以及本地训练数据，自适应的确定本地参数和权重以开启下一轮次的训练，使得每个客户端在保留自己数据特性的同时，还考虑了其他客户端的数据特性。这样，不仅提高了对客户端本地的风光数据的适应性，还能有效处理不同客户端的风光数据的不同特性，从提高了风光功率预测模型的泛化能力，最终提高风光电站的发电功率的预测精度。
-
公开(公告)号：CN112347611B
公开(公告)日：2024-05-31
申请号：CN202011102957.9
申请日：2020-10-15
申请人： 华北电力大学
IPC分类号： G06F30/28 , G06F113/08 , G06F119/14 , G06F113/06
摘要： 本发明公开了属于新能源风力发电技术领域的一种风力机远场尾流流向湍流度计算方法。包括步骤：1，获取风电机组入流情况、风电机组参数和风电机组运行状态的基本数据；2，根据获取的基本数据计算轮毂高度水平面内尾流速度损失剖面标准差σ随下游距离x的线性变化函数；在尾流速度损失分布已知的情况下，或通过高斯速度损失剖面拟合直接获取，相当于已知的输入条件；3，将轮毂高度水平面内尾流速度损失剖面标准差σ作为输入值输入到附加湍流度模型中，结合风电机组入流数据得出风电机组远场尾流流向湍流度的预测结果。本发明可以实现风电机组远场尾流流向湍流度的准确预测，对机组排布优化具有重要的指导意义。
-
公开(公告)号：CN117893355A
公开(公告)日：2024-04-16
申请号：CN202410039179.5
申请日：2024-01-10
申请人： 华北电力大学
摘要： 本公开涉及一种基于移动轨迹的区域电力模拟方法、装置、设备及介质。该方法包括：获取不同用户类型在活动区域的移动轨迹数据，并获取活动区域的建筑类型；基于建筑类型和移动轨迹数据中轨迹点的时间信息，对活动区域进行行为状态预测，确定不同用户类型的行为状态；根据不同用户类型的行为状态以及轨迹点对应的外部环境参数，预测活动区域中不同用户类型的电器使用行为；基于不同用户类型的电器使用行为，对活动区域进行能耗模拟，得到活动区域的能耗模拟数据。可见，移动轨迹数据包多种微观特征和复杂特征，因此，当面对个体行为的多样性和复杂性的活动区域，能够精准的进行区域电力模拟，最终提高了节能减排效果、能源效率和管理效果。
-
公开(公告)号：CN111291514B
公开(公告)日：2024-04-05
申请号：CN202010078646.7
申请日：2020-02-03
申请人： 华北电力大学
IPC分类号： G06F30/23 , G06F30/27 , G06N20/00 , G06F119/04
摘要： 本发明提出了一种风电机组疲劳寿命的快速预测方法，该方法将风电机组的疲劳损伤与机器学习相耦合。首先，根据实际工况下可能出现的风参数条件对风电机组部件进行疲劳损伤预计算，建立部件每分钟疲劳损伤数据库；然后，将疲劳损伤数据库中的数据输入至机器学习模型中进行多次迭代训练，建立风参数与疲劳损伤量之间的非线性映射关系；最后，将SCADA数据中风参数数据或测风塔数据输入至已经训练好的机器学习模型中，得到风电机组部件疲劳寿命的预测值。
-
公开(公告)号：CN117784282A
公开(公告)日：2024-03-29
申请号：CN202311799805.2
申请日：2023-12-25
申请人： 华北电力大学
IPC分类号： G01W1/02 , G06F18/27 , G06F18/243 , G06N5/01 , G06N20/20 , G06N3/0455 , G06N3/0464 , G06N3/096 , G01W1/10 , G06F123/02
摘要： 本公开涉及一种风光电站的天气预报数据预测方法、装置、设备及介质。该方法包括：获取风光电站在当前时刻之后的数值气象要素数据，并获取风光电站在当前时刻之后的预测风光时序数据；利用风光数据预测模型，对数值气象要素数据和预测风光时序数据进行处理，预测风光电站在未来时间段内的风光数据，得到风光电站的天气预报数据。由此，结合表征全球场大气状态特征的数值气象要素数据以及包含时序特征的预测风光时序数据，并利用训练好的风光数据预测模型，来预测风光电站未来的风光数据，提高了风光数据的预测精度，降低了风光电站在短期发电时产生的功率预测误差，从而保证电力系统平稳安全的运行。
-
-
-
-
-
-
-
-
-
搜索结果
145 条记录 (耗时 0.078 秒)
