-
公开(公告)号:CN111475909A
公开(公告)日:2020-07-31
申请号:CN201911028174.8
申请日:2019-10-28
申请人: 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司 , 华北电力大学
摘要: 本发明公开了一种基于长短期记忆网络的风电机组出力相关性映射建模方法,包括以下步骤:步骤一:采集风电场各机组点位处的实测风速数据、实测风向数据、实测功率数据,并对上述数据进行清洗与预处理;步骤二:建立基于长短期记忆网络的多点位风况信息与机组间功率序列相关性的映射模型,步骤三:以指定时间尺度的多机组点位实测风速序列数据、实测风向序列数据作为模型输入,以均方根误差函数指标训练神经网络模型,输出映射结果。本发明可以为大规模风电出力平滑效应的研究提供重要的输入参数,为不同风况下大规模风电并网分析与控制提供了统计学意义上的基础模型参考。
-
公开(公告)号:CN110889535A
公开(公告)日:2020-03-17
申请号:CN201911028254.3
申请日:2019-10-28
申请人: 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司 , 华北电力大学
摘要: 本发明提供了一种基于卷积循环神经网络的风电场内多点位风速预测方法,包括以下步骤:步骤一:采集风电场的运行数据,采集的数据包括多台风电机组位置处的实测风速和实测风向;步骤二:根据步骤一所采集的数据建立基于卷积循环神经网络的风电场内多点位风速预测模型的卷积模块;步骤三:根据步骤一建立基于卷积循环神经网络的风电场内多点位风速预测模型的LSTM模块;步骤四:将卷积模块和LSTM模块的输出连接,步骤五:以平均绝对误差(MAE)损失函数指标训练神经网络模型。本发明对于电网来说有助于优化电网调度及减少旋转备用容量,保障电力系统安全可靠经济运行,减小机组疲劳载荷。
-
公开(公告)号:CN111475909B
公开(公告)日:2022-08-16
申请号:CN201911028174.8
申请日:2019-10-28
申请人: 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司 , 华北电力大学
摘要: 本发明公开了一种基于长短期记忆网络的风电机组出力相关性映射建模方法,包括以下步骤:步骤一:采集风电场各机组点位处的实测风速数据、实测风向数据、实测功率数据,并对上述数据进行清洗与预处理;步骤二:建立基于长短期记忆网络的多点位风况信息与机组间功率序列相关性的映射模型,步骤三:以指定时间尺度的多机组点位实测风速序列数据、实测风向序列数据作为模型输入,以均方根误差函数指标训练神经网络模型,输出映射结果。本发明可以为大规模风电出力平滑效应的研究提供重要的输入参数,为不同风况下大规模风电并网分析与控制提供了统计学意义上的基础模型参考。
-
公开(公告)号:CN110889535B
公开(公告)日:2022-07-12
申请号:CN201911028254.3
申请日:2019-10-28
申请人: 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司 , 华北电力大学
摘要: 本发明提供了一种基于卷积循环神经网络的风电场内多点位风速预测方法,包括以下步骤:步骤一:采集风电场的运行数据,采集的数据包括多台风电机组位置处的实测风速和实测风向;步骤二:根据步骤一所采集的数据建立基于卷积循环神经网络的风电场内多点位风速预测模型的卷积模块;步骤三:根据步骤一建立基于卷积循环神经网络的风电场内多点位风速预测模型的LSTM模块;步骤四:将卷积模块和LSTM模块的输出连接,步骤五:以平均绝对误差(MAE)损失函数指标训练神经网络模型。本发明对于电网来说有助于优化电网调度及减少旋转备用容量,保障电力系统安全可靠经济运行,减小机组疲劳载荷。
-
公开(公告)号:CN113497445A
公开(公告)日:2021-10-12
申请号:CN202111051151.6
申请日:2021-09-08
申请人: 国网江西省电力有限公司电力科学研究院 , 国家电网有限公司
IPC分类号: H02J3/00 , H02J3/38 , G06F30/27 , G06F113/06
摘要: 本发明公开一种区域多尺度新能源电站出力联合预测方法及系统,方法包括:响应于获取的采集数据,对所述采集数据进行预处理,其中,所述采集数据包括预测天气预报数据以及历史实测数据;将所述采集数据输入至基于深度学习算法构建的联合出力预测模型中,使输出各场站的预测功率,其中,所述联合出力预测模型包括LSTM层、CNN层以及全连接层。通过将采集的数据输入至基于深度学习算法的构建多对多映射模型中,能够输出预测功率,实现了充分考虑风光场站之间的时空相关性及预测时刻的时序依赖性,从而使得模型的预测精度更高,预测功率更加准确,且能够同时得出各场站的功率预测结果,提高了模型的效率。
-
公开(公告)号:CN118134069A
公开(公告)日:2024-06-04
申请号:CN202311649439.2
申请日:2023-12-04
申请人: 华北电力大学 , 中国电力科学研究院有限公司 , 国网福建省电力有限公司 , 国网福建省电力有限公司经济技术研究院 , 国家电网有限公司
IPC分类号: G06Q10/063 , G06Q10/0637 , G06Q10/0631 , G06Q50/06
摘要: 本发明涉及了一种碳减排量贡献度的计算方法、装置、介质和电子设备,计算方法包括:获取输入信息,输入信息包括使用多种能源的多种机组参数信息、时序预测信息和目标调度信息,目标调度信息至少包括多种基础调度策略对应的信息和组合调度策略对应的信息,组合调度策略至少包括两种基础调度策略;通过多个目标调度模块生成输出结果;根据输出结果和多种机组参数信息计算各目标调度模块对应的新能源场站碳减排量;基于各目标调度模块对应的新能源场站碳减排量计算各基础调度策略对碳减排量的贡献度。本申请能够计算得到精度较高的碳减排量,且全面考虑了各因素对碳减排量的影响,得到了较为精准的各基础调度策略对碳减排量的贡献度。
-
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。
-
-
-
-
-
-
-
-
-