-
公开(公告)号：CN118035875B
公开(公告)日：2024-07-26
申请号：CN202410439754.0
申请日：2024-04-12
Applicant: 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司
IPC: G06F18/2415 , G06F18/15 , G06F18/213 , G06F18/2135 , G06N3/0442 , G06Q10/04 , G06Q50/06 , H02J3/00
Abstract: 一种基于极端天气影响因子的风力发电功率预测方法及系统，该方法包括以下步骤：首先获取风电机发电组信息、风况等气象信息，基于双向长短期记忆网络构建影响因子与功率映射模型并进行预测，得到初步功率预测结果；其次，基于气象参数，判定极端天气类型，并构建极端天气影响因子与功率损失时序密度函数，结合概率密度函数，诊断功率损失的可能性；最后基于时序功率损失，进一步订正初步功率预测结果。本发明克服了极端天气下，因气象恶劣导致的风机覆冰、风机切机等，致使功率波动而造成风力发电功率预测出现大偏差问题。
-
公开(公告)号：CN118035875A
公开(公告)日：2024-05-14
申请号：CN202410439754.0
申请日：2024-04-12
Applicant: 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司
IPC: G06F18/2415 , G06F18/15 , G06F18/213 , G06F18/2135 , G06N3/0442 , G06Q10/04 , G06Q50/06 , H02J3/00
Abstract: 一种基于极端天气影响因子的风力发电功率预测方法及系统，该方法包括以下步骤：首先获取风电机发电组信息、风况等气象信息，基于双向长短期记忆网络构建影响因子与功率映射模型并进行预测，得到初步功率预测结果；其次，基于气象参数，判定极端天气类型，并构建极端天气影响因子与功率损失时序密度函数，结合概率密度函数，诊断功率损失的可能性；最后基于时序功率损失，进一步订正初步功率预测结果。本发明克服了极端天气下，因气象恶劣导致的风机覆冰、风机切机等，致使功率波动而造成风力发电功率预测出现大偏差问题。
-
公开(公告)号：CN118038083B
公开(公告)日：2024-07-26
申请号：CN202410447535.7
申请日：2024-04-15
Applicant: 国电南瑞科技股份有限公司 , 南瑞集团有限公司 , 国网上海市电力公司
Abstract: 一种影响新能源出力的东北冷涡天气系统的识别方法及系统，方法包括以下步骤：步骤1，设定东北冷涡中心监测区域，采用24点法识别监测区域内的低涡中心；步骤2，基于步骤1中获得的低涡中心，判别冷中心或冷槽，进而筛选获得监测区域内的冷涡中心；步骤3，基于步骤2中获得的冷涡中心，识别监测区域内的闭合等值线；步骤4，基于步骤3中获得的监测区域内的闭合等值线，计算冷涡天气系统的图形特征参数。本发明设计了一种识别效率较高、不依赖于主观距离阈值设定的冷涡合并判别标准，且能够客观定量地识别东北冷涡天气系统的闭合等值线，从而可计算冷涡天气系统的图形特征信息的新算法，为东北冷涡相关的科学研究和业务应用提供技术支撑。
-
公开(公告)号：CN117810997B
公开(公告)日：2024-06-28
申请号：CN202410235440.9
申请日：2024-03-01
Applicant: 南京师范大学 , 江苏省电力试验研究院有限公司 , 国电南瑞科技股份有限公司
IPC: H02J3/00 , G06F18/213 , G06N3/0464 , G06F18/22 , G06F18/23 , G06Q50/06 , H02J3/38
Abstract: 本发明公开了一种基于时空相关性的短期风电功率预测方法，步骤如下：获取某区域风电场的历史功率及待测风电场影响因子的历史数据，建立特征数据库；使用t分布随机近邻嵌入算法在保留数据相似性的同时对数据进行降维；利用CNN对处理后的风电数据进行局部特征提取；使用主要架构为编码器‑解码器的FEDformer模型，使用编码器中的MOE模块分解输入信号，FEB模块加权，使用解码器中的FEA模块对信号执行交叉注意操作，提取信号中的相关性和相似性，实现模型的自适应学习和预测，得到最终的预测结果。本发明能够为平衡系统电力供应和负荷需求提供基础，防止系统因风电接入电网发生故障，提高电力系统的稳定性。
-
公开(公告)号：CN118068454B
公开(公告)日：2024-08-13
申请号：CN202410461910.3
申请日：2024-04-17
Applicant: 国电南瑞科技股份有限公司 , 南瑞集团有限公司 , 国网上海市电力公司
Abstract: 一种影响新能源出力的冷涡移动轨迹预测方法及系统，所述方法：设定冷涡轨迹上相邻时次冷涡中心最大经向和纬向位移范围，计算冷涡移动路径的总时次数，对第1至Nt‑1个时次的所有冷涡中心进行编号；从编号为1的冷涡中心开始，判断是否能够进行冷涡匹配，若能匹配，则开始步骤3，若不能，编号加1，重复步骤2；进行冷涡匹配；得到轨迹序号序列，轨迹序号除0以外且相同的冷涡中心即为同一个冷涡中心的移动轨迹上的冷涡中心，识别出冷涡的移动轨迹。本发明可用于多冷涡共存情形下相邻时次多冷涡系统自动匹配和冷涡移动路径的识别计算。
-
Patent Agency Ranking
公开(公告)号：CN118038083A
公开(公告)日：2024-05-14
申请号：CN202410447535.7
申请日：2024-04-15
Applicant: 国电南瑞科技股份有限公司 , 南瑞集团有限公司 , 国网上海市电力公司
Abstract: 一种影响新能源出力的东北冷涡天气系统的识别方法及系统，方法包括以下步骤：步骤1，设定东北冷涡中心监测区域，采用24点法识别监测区域内的低涡中心；步骤2，基于步骤1中获得的低涡中心，判别冷中心或冷槽，进而筛选获得监测区域内的冷涡中心；步骤3，基于步骤2中获得的冷涡中心，识别监测区域内的闭合等值线；步骤4，基于步骤3中获得的监测区域内的闭合等值线，计算冷涡天气系统的图形特征参数。本发明设计了一种识别效率较高、不依赖于主观距离阈值设定的冷涡合并判别标准，且能够客观定量地识别东北冷涡天气系统的闭合等值线，从而可计算冷涡天气系统的图形特征信息的新算法，为东北冷涡相关的科学研究和业务应用提供技术支撑。
-
公开(公告)号：CN117151488A
公开(公告)日：2023-12-01
申请号：CN202311103237.8
申请日：2023-08-30
Applicant: 国电南瑞科技股份有限公司
IPC: G06Q10/0637 , G01W1/04 , G06Q50/06 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种寒潮大风天气样本扩充方法、系统、存储介质及设备，本发明提取原始样本中的温度气象要素和风速气象要素，进而筛选出样本库中的寒潮天气样本和大风天气样本，采用生成对抗网络对寒潮天气样本和大风天气样本进行扩充，实现了小样本的扩充，从而保证功率预测精度。
-
公开(公告)号：CN116953816A
公开(公告)日：2023-10-27
申请号：CN202310710041.9
申请日：2023-06-15
Applicant: 国电南瑞科技股份有限公司
Abstract: 本发明公开了一种气象场预测数据获取方法、风电功率预测方法及系统，本发明采用损失函数构建模块和卷积神经网络模型构建气象要素校正模型，根据气象预报数据、地面测风塔观测数据和气象要素校正模型，获得风电场近地面的气象场预测数据，相较于传统的大尺度区域气象场预测数据，可以支撑高精度的风电功率预测。
-
公开(公告)号：CN116702957A
公开(公告)日：2023-09-05
申请号：CN202310564626.4
申请日：2023-05-18
Applicant: 国电南瑞科技股份有限公司
Abstract: 本发明提供面向极端天气的新能源功率预测方法、设备和存储介质，包括：获取预测日气相数据，进行极端天气类型判别；将极端天气类型的判别结果输入预制的覆冰物理模型，获取结冰质量和积冰密度；将极端天气类型的判别结果输入预制的功率预测模型，获取设备的初始功率预测值；基于结冰质量和积冰密度订正初始功率预测值，得到最终的设备的功率预测值。本发明可在极端天气下进行准确且合理的高精度新能源发电功率预测，对保障电网的安全调度、维护电网的稳定运行和提高新能源电站利用率有可观效果。
-
公开(公告)号：CN118036347B
公开(公告)日：2024-06-25
申请号：CN202410434228.5
申请日：2024-04-11
Applicant: 国电南瑞科技股份有限公司
IPC: G06F30/20 , G06F18/2321 , G06F113/06 , G06F119/02
Abstract: 一种适用于极端天气的风力发电全流程误差溯源方法及系统，涉及新能源发电控制技术领域。方法包括：采集风电机组、场站信息、气象信息等数据，通过数据清洗，构建不同风速下功率概率密度分布函数，剔除误差数据；其次，构建双向长短期记忆网络构建功率预测模型；之后，定义极端天气诊断因子包括：基于极端天气诊断、机组误差构建风机出力状态诊断模型；最后，构建预测误差解耦分析模型，将预测环节误差划分为数值气象预测报误差、模型误差、实际开机与计划开机容量不一致导致功率预测误差以及机组误差，实现功率预测全环节误差解耦分析，从业务链条角度对风电功率预测全环节误差解耦分析，定量化评价分析功率预测各环节的误差占比。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.052 seconds)
