-
公开(公告)号：CN116995655A
公开(公告)日：2023-11-03
申请号：CN202310791101.4
申请日：2023-06-30
申请人： 国电南瑞科技股份有限公司 , 南瑞集团有限公司
IPC分类号： H02J3/00 , G06F16/215 , G06F16/248 , G06Q50/06 , H02J3/38 , H02J3/46
摘要： 本发明公开了一种光伏短期预测曲线调整方法，包括获取光伏电站的历史实测功率数据和短期预测功率数据；对获取的数据进行预处理，剔除无效数据；根据光伏电站的特性和实际需求，计算调整系数；通过曲线调整算法确定最佳的调整系数，对短期预测功率进行调整。本发明能通过近期数据自适应的对预测模型进行调整，以适应天气和日照情况或地区考核方式的变化，对预测模型进行调整和修正，以提高功率预测的准确率，优化调整电网实时调度计划，为电力调度部门提供有效支撑；不需要大量历史数据进行训练，在数据量较为有限或不完整的情况下，仍能有效提升预测精度；算法实现相对简单，不需要复杂的模型结构或大量的计算资源，易于实施和应用。
-
公开(公告)号：CN112417028B
公开(公告)日：2022-09-02
申请号：CN202011357189.1
申请日：2020-11-26
申请人： 国电南瑞科技股份有限公司
摘要： 本发明一种风速时序特征挖掘方法及短期风电功率预测方法，风速时序特征挖掘方法包括：获取原始风速序列数据；对原始风速序列数据进行分解，得到多模态分量；计算分解得到的各模态分量的多尺度排列熵；对各模态分量的多尺度排列熵进行聚类，根据聚类结果将多模态分量进行重组得到新的模态分量；对原始风速序列数据和重组后的各模态分量分别进行时序特征提取，得到风速时序特征集合；基于所述风速时序特征集合进行特征选择，得到最优风速时序特征集合，即为原始风速序列数据的风速时序特征挖掘结果。利用本发明方法能够提取引起风电功率波动的主导因素，为风电功率预测提供可靠的数据基础。
-
公开(公告)号：CN114077924A
公开(公告)日：2022-02-22
申请号：CN202111255557.6
申请日：2021-10-27
申请人： 国电南瑞科技股份有限公司 , 国网电力科学研究院有限公司 , 国网甘肃省电力公司电力科学研究院
摘要： 本发明公开一种考虑极端大风天气的大风数据增强方法，包括：获取历史实测风速和功率数据，生成原始风速‑功率数据样本；根据风速数据对原始风速‑功率数据样本进行局部异常点识别，剔除离群点样本，得到大风数据初始样本；利用F‑DBSCAN聚类算法对大风数据初始样本进行聚类，得到各聚类簇的核心点样本；根据各聚类簇的核心点计算簇密度，基于各核心点及其所在簇的簇密度，利用过采样算法合成新的大风数据样本；利用合成的新的大风数据样本对原始风速‑功率数据样本进行扩充，作为风电功率预测模型的训练样本。本发明可用于对模型训练的不平衡样本进行有效补充，从而提升风电功率预测模型的可靠性，提高风电功率预测精度。
-
公开(公告)号：CN117744857A
公开(公告)日：2024-03-22
申请号：CN202311583904.7
申请日：2023-11-24
申请人： 国电南瑞科技股份有限公司
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/084 , H02J3/00 , H02J3/38
摘要： 本发明公开了一种基于通道划分和多特征提取的风电功率预测方法及系统，方法包括：获取区域风电场集群的功率以及影响风电功率的关键环境因素的数据；基于风电场集群数据的经纬度为横纵坐标进行经纬度网格化；进行通道划分，将影响风电功率的关键环境因素分布图作为功率的组合通道，建立转换关系模型；对通道提取多元化特征，作为输入得到所述通道的预测数据；与所述关键环境因素自适应的权重影响系数计算叠加，得到最终风电功率的预测结果。本发明能够将较难预测的功率数据转换为时间、空间具有强关联性且变化连续的关键环节因素预测问题，多元化特征提取有效的提升了预测精度，算法实现相对简单，更易于实施和应用。
-
公开(公告)号：CN112417028A
公开(公告)日：2021-02-26
申请号：CN202011357189.1
申请日：2020-11-26
申请人： 国电南瑞科技股份有限公司
摘要： 本发明一种风速时序特征挖掘方法及短期风电功率预测方法，风速时序特征挖掘方法包括：获取原始风速序列数据；对原始风速序列数据进行分解，得到多模态分量；计算分解得到的各模态分量的多尺度排列熵；对各模态分量的多尺度排列熵进行聚类，根据聚类结果将多模态分量进行重组得到新的模态分量；对原始风速序列数据和重组后的各模态分量分别进行时序特征提取，得到风速时序特征集合；基于所述风速时序特征集合进行特征选择，得到最优风速时序特征集合，即为原始风速序列数据的风速时序特征挖掘结果。利用本发明方法能够提取引起风电功率波动的主导因素，为风电功率预测提供可靠的数据基础。
-
公开(公告)号：CN118350656A
公开(公告)日：2024-07-16
申请号：CN202410328106.8
申请日：2024-03-21
申请人： 南瑞集团有限公司 , 国电南瑞南京控制系统有限公司
IPC分类号： G06Q10/0637 , G06Q10/04 , G06Q50/06 , G06F18/10 , G06F18/23 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/08 , H02J3/00
摘要： 本发明涉及光伏功率预测技术领域，具体涉及基于形态聚类和多级残差网络的光伏功率预测方法及系统。本发明公开了基于形态聚类和多级残差网络的光伏功率预测方法，包括：获取分布式光伏电场的场站数据，对光伏电场的场站数据进行网格化和清洗；分析得到对整个预测区域出力影响最大的场站并获取该场站的数据；获取与影响力最大的场站连通的相关区域并将其分割出去，在余下区域不断循环执行直至覆盖所有区域；建立多层级残差网络连接双向长短期记忆网络模型，得到最终的区域光伏功率预测结果。本发明通过依据互相关心对分布式光伏进行等级划分并进行同等级区域分割提升了分布式光伏功率预测精度。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.042 秒)
