-
公开(公告)号：CN111160620B
公开(公告)日：2022-06-17
申请号：CN201911247976.8
申请日：2019-12-06
申请人： 江苏方天电力技术有限公司 , 东南大学
摘要： 本发明公开了一种基于端到端记忆网络的短期风电功率预测方法，包括如下步骤：采集风电场数据；将采集的风电场数据划分为历史数据、被预测多节点天气数据和功率数据，并对历史数据和被预测多节点天气数据进行归一化处理；利用多头自注意力机制模型对历史数据进行编码，将编码后的特征向量存入端到端记忆网络的记忆池；采用注意力机制对被预测多节点天气数据进行编码，并将编码结果作为端到端记忆网络的输入向量；将功率数据作为端到端记忆网络的输出向量进行端到端记忆网络的训练；使用训练好的端到端记忆网络对风机输出功率进行预测。本发明方法相比以往短期风电功率预测方法，能够关注到历史数据中隐含的信息，具有更高的预测精度和稳定性。
-
公开(公告)号：CN109255500A
公开(公告)日：2019-01-22
申请号：CN201811256035.6
申请日：2018-10-25
申请人： 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 国家电网公司
摘要： 本发明公开了基于卡尔曼滤波器对于风力发电预测数据的自动校准方法，包括采集S电站发电功率的风机总有功数据；计算出K时间点该电站风机总有功的卡尔曼增益，用来估算该时间点的最优预测风机总有功功率值；算出K时间点的最优预测功率值；根据卡尔曼滤波器保留上一个时刻的covariance，快速的估算出短期内各个时间点无限接近实际功率的最优功率值。通过电站上报的发电功率和系统预测的发电功率来估算出最优的风力发电预测数据，与其他预测系统预测的数据相比较，排除气象因素对预测结果的影响，即环境稳定的情况下，卡尔曼滤波器对数据的预测更精准，更偏向于实际数据。
-
公开(公告)号：CN109409740B
公开(公告)日：2021-08-10
申请号：CN201811255097.5
申请日：2018-10-25
申请人： 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 国家电网公司
摘要： 本发明公开了一种基于皮尔森相关系数校核风力发电数据质量的方法，包括选取标准样本数据计算皮尔森相关系数；利用皮尔森相关系数修正每日数据；对比两组替换数据的皮尔森相关系数，得出结论。本发明通过风力发电功率与风速的皮尔森相关系数来校核修正风力发电数据，可以更加科学、合理提升风力发电数据质量，对新能源数据中心风力发电数据的收集和分析起到有效的支撑作用，节约了风力发电站的日常运行和维护的成本。
-
公开(公告)号：CN109409740A
公开(公告)日：2019-03-01
申请号：CN201811255097.5
申请日：2018-10-25
申请人： 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 国家电网公司
摘要： 本发明公开了一种基于皮尔森相关系数校核风力发电数据质量的方法，包括选取标准样本数据计算皮尔森相关系数；利用皮尔森相关系数修正每日数据；对比两组替换数据的皮尔森相关系数，得出结论。本发明通过风力发电功率与风速的皮尔森相关系数来校核修正风力发电数据，可以更加科学、合理提升风力发电数据质量，对新能源数据中心风力发电数据的收集和分析起到有效的支撑作用，节约了风力发电站的日常运行和维护的成本。
-
公开(公告)号：CN108564285A
公开(公告)日：2018-09-21
申请号：CN201810348631.0
申请日：2018-04-18
申请人： 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 国家电网公司
摘要： 本发明公开了一种基于泰森多边形光伏发电资源分布的估算方法，其特征在于：包括步骤：步骤1：绘制全省光伏电站的离散点；步骤2：根据光伏电站离散点构建Delaunay三角网；步骤3：根据Delaunay三角网绘制泰森多边形，对光伏电站进行区域划分；步骤4，根据光伏电站的离散点构成的泰森多边形估算区域光伏发电效率，即光伏发电资源分布。本发明通过光伏效率来估算区域的光伏资源分布，与用气象设备估算光伏资源分布比较，可以排除气象因素对估算结果的影响，最终得出的区域光伏资源分布信息更加准确，对今后的新能源光伏电站建设起到有效的数据支撑作用。
-
公开(公告)号：CN110503111B
公开(公告)日：2022-04-15
申请号：CN201910784414.0
申请日：2019-08-23
申请人： 江苏方天电力技术有限公司
IPC分类号： G06V10/56 , G06V10/762 , G06K9/62 , G06Q10/06 , G06Q50/06
摘要： 本发明公开了一种基于RGB色彩模式的用电异常行为可视化监控方法，包括以下步骤：计算用户电表三相电流特征值；计算三相电流偏特征值；优化系数调整，计算三相电流调整偏特征值；计算调整偏特征值对应的RGB数值；将RGB序列分割，并提取分割后序列的颜色矩特征；利用K‑Means分类算法进行分析。本发明不仅能判断出用户的用电行为是否属于异常，并能分析出用户用电异常行为轨迹，极大地提高了用电异常行为监控的准确率，为用电异常行为分析提供更加清晰的信息支撑，是分析用户用电行为的重要手段。
-
公开(公告)号：CN109255500B
公开(公告)日：2022-04-05
申请号：CN201811256035.6
申请日：2018-10-25
申请人： 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 国家电网公司
摘要： 本发明公开了基于卡尔曼滤波器对于风力发电预测数据的自动校准方法，包括采集S电站发电功率的风机总有功数据；计算出K时间点该电站风机总有功的卡尔曼增益，用来估算该时间点的最优预测风机总有功功率值；算出K时间点的最优预测功率值；根据卡尔曼滤波器保留上一个时刻的covariance，快速的估算出短期内各个时间点无限接近实际功率的最优功率值。通过电站上报的发电功率和系统预测的发电功率来估算出最优的风力发电预测数据，与其他预测系统预测的数据相比较，排除气象因素对预测结果的影响，即环境稳定的情况下，卡尔曼滤波器对数据的预测更精准，更偏向于实际数据。
-
公开(公告)号：CN111160620A
公开(公告)日：2020-05-15
申请号：CN201911247976.8
申请日：2019-12-06
申请人： 江苏方天电力技术有限公司 , 东南大学
摘要： 本发明公开了一种基于端到端记忆网络的短期风电功率预测方法，包括如下步骤：采集风电场数据；将采集的风电场数据划分为历史数据、被预测多节点天气数据和功率数据，并对历史数据和被预测多节点天气数据进行归一化处理；利用多头自注意力机制模型对历史数据进行编码，将编码后的特征向量存入端到端记忆网络的记忆池；采用注意力机制对被预测多节点天气数据进行编码，并将编码结果作为端到端记忆网络的输入向量；将功率数据作为端到端记忆网络的输出向量进行端到端记忆网络的训练；使用训练好的端到端记忆网络对风机输出功率进行预测。本发明方法相比以往短期风电功率预测方法，能够关注到历史数据中隐含的信息，具有更高的预测精度和稳定性。
-
公开(公告)号：CN110503111A
公开(公告)日：2019-11-26
申请号：CN201910784414.0
申请日：2019-08-23
申请人： 江苏方天电力技术有限公司
摘要： 本发明公开了一种基于RGB色彩模式的用电异常行为可视化监控方法，包括以下步骤：计算用户电表三相电流特征值；计算三相电流偏特征值；优化系数调整，计算三相电流调整偏特征值；计算调整偏特征值对应的RGB数值；将RGB序列分割，并提取分割后序列的颜色矩特征；利用K-Means分类算法进行分析。本发明不仅能判断出用户的用电行为是否属于异常，并能分析出用户用电异常行为轨迹，极大地提高了用电异常行为监控的准确率，为用电异常行为分析提供更加清晰的信息支撑，是分析用户用电行为的重要手段。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.029 秒)
