一种基于信息处理的短期风速预测方法及系统

    公开(公告)号:CN110942170A

    公开(公告)日:2020-03-31

    申请号:CN201910805485.4

    申请日:2019-08-29

    Abstract: 本发明公开一种基于信息处理的短期风速预测方法及系统。该方法包括:获取风电场相关环境因素和历史风速数据;计算所述环境因素与风速序列之间的平均影响值,获取与模型输出相关性高的序列作为输入因素;利用能量差法及PSOEO算法优化变分模态分解方法,对所述历史风速序列进行分解,将所述非平稳的风速序列转化为相对平稳的若干分量;利用PSOEO算法优化径向基函数神经网络,获取优化后的风速预测模型;利用所述优化模型,对所述分量序列进行预测,获取所有分量预测结果;累加计算所述分量预测结果,获取最终风速预测结果。本发明的预测方法及系统基于数据处理和方法优化角度进行短期风速预测,能够有效提高风速预测精度以及预测模型的稳定性。

    考虑大气扰动效应的风电场功率预测方法

    公开(公告)号:CN104504466B

    公开(公告)日:2018-03-16

    申请号:CN201410781091.7

    申请日:2014-12-17

    Abstract: 一种考虑大气扰动效应的风电场功率预测方法,所述方法将大气非线性Lorenz系统视为扰动模型,并定义大气非线性扰动变量来消除原始风速数据中蕴含的非线性因素,优化功率预测模型的输入,以此实现更高精度的风电功率预测。本发明在常规功率预测方法的基础上,利用功率预测扰动公式对风速预测结果进行非线性干扰修正,消除原始风速中存在的某些非线性扰动因素对预测结果的影响,达到精确预测风电功率的目的。实验结果证明,本方法可大大提高风能的预测精度,对风电产业的发展具有极大的促进作用。

    一种基于Lorenz扰动的时间序列风速预测方法

    公开(公告)号:CN107392379A

    公开(公告)日:2017-11-24

    申请号:CN201710614032.4

    申请日:2017-07-25

    CPC classification number: G06Q10/04 G06Q50/06

    Abstract: 本发明公开了一种基于Lorenz扰动的时间序列风速预测方法,属于风力发电领域。本发明充分考虑大气动力系统中的大气扰动对风速预测的影响,提出一种基于Lorenz扰动的小波分解时间序列风速预测方法,并用西班牙和中国两种不同气候类型下的风电场数据进行仿真实验探究不同初始值的Lorenz方程的扰动效果。实验结果证明,本发明的风速预测方法显著提高了风速的预测精度,能够有效地促进风电产业的发展。

    一种基于主成分分析的Lorenz扰动风速预测方法

    公开(公告)号:CN107358006A

    公开(公告)日:2017-11-17

    申请号:CN201710613264.8

    申请日:2017-07-25

    CPC classification number: G06F17/5009 G06K9/6269 G06Q10/04

    Abstract: 本发明公开了一种基于主成分分析的Lorenz扰动风速预测方法,属于发电技术领域。本发明是根据原始数据进行主成分分析,再利用最小二乘支持向量机(LS-SVM)模型对主成分和风速数据进行风速预测,最后利用Lorenz大气扰动序列对风速的初步预测值进行修正,以提高风速的预测水平。仿真结果显示,在风速预测过程中充分考虑大气系统的扰动影响,显著提高了风速的预测精度。本发明弥补了风速预测领域对大气系统的忽视作用,有助于风电并网的稳定性和风资源的大规模开发利用。

    一种电力系统WAMS信息内嵌故障特征提取方法

    公开(公告)号:CN103472362A

    公开(公告)日:2013-12-25

    申请号:CN201310434524.7

    申请日:2013-09-23

    Inventor: 张亚刚 王增平

    Abstract: 一种电力系统WAMS信息内嵌故障特征提取方法,它包括以下步骤:a.从电力系统WAMS信息中选择初始变量,如果样本方差没有显著差别,则转步骤b,否则,转步骤c;b.计算初始变量的相关系数矩阵,并计算协方差矩阵的特征值和单位化特征向量,转步骤d;c.计算初始变量的协方差矩阵,并计算协方差矩阵的特征值和单位化特征向量,转步骤d;d.如果特征值接近于零,则转步骤a,重新选择初始变量,否则转步骤e;e.由单位化特征向量,确定主成分的最终结果;f.根据主成分节点系数来定位故障元件。本发明具有很强的抗干扰能力,能够满足系统冗余性的要求,并能够满足广域后备保护系统对故障定位实时性和准确性的要求。

    一种基于GARCH模型的风速预测残差修正方法

    公开(公告)号:CN106611243A

    公开(公告)日:2017-05-03

    申请号:CN201611094219.8

    申请日:2016-12-02

    CPC classification number: G06Q10/04 G06Q50/06

    Abstract: 本发明公开了一种基于GARCH模型的风速预测残差修正方法,属于输配电技术领域,目的是改进原有的风速预测方法,提高风速预测精度,其技术方案是,采用GARCH模型对原始风速序列进行预测,对GARCH模型拟合后的残差建立回归模型,并将该回归模型用于后面残差的预测,最后用该预测值对GARCH模型初步预测的结果进行修正。实验结果表明,本发明要优于单纯传统ARMA的预测方法以及BP神经网络模型的预测方法,并且具有更高的预测精度。

    基于小波分解与重构的时间序列风速预测方法

    公开(公告)号:CN106384170A

    公开(公告)日:2017-02-08

    申请号:CN201610845639.9

    申请日:2016-09-24

    CPC classification number: G06Q10/04 G06Q50/06

    Abstract: 本发明公开了一种基于小波分解与重构的时间序列风速预测方法,属于输配电技术领域,目的是改进原有的风速预测方法,提高风速预测精度,其技术方案是,所述方法通过小波变换的时间-频率局域分析方法,对历史风速序列进行分解与重构,将原始风速序列分解为低频和高频部分,最后分别对分解与重构后的高频和低频序列建立时间序列模型,合成各个预测结果得到原始风速的预测值。本发明充分挖掘风速序列的内在联系,揭示序列在不同尺度上的时频特征,在此基础上,建立适当的时间序列模型。实验结果表明,本方法要优于单纯传统ARMA的预测方法,并且具有更高的预测精度。

    一种电力系统故障因子特征提取方法

    公开(公告)号:CN104502800A

    公开(公告)日:2015-04-08

    申请号:CN201410780671.4

    申请日:2014-12-17

    Inventor: 张亚刚 王增平

    Abstract: 一种电力系统故障因子特征提取方法,所述方法包括以下步骤:a.选择初始变量,若样本方差小于设定的阈值,则转步骤b,否则,转步骤c;b.计算初始变量的相关系数矩阵的特征值和单位化特征向量;c.计算初始变量的协方差矩阵及协方差矩阵的特征值和单位化特征向量;d.如果特征值小于设定的阈值,则转步骤a,否则转步骤e;e.计算初始变量的公因子和因子载荷矩阵;f.将公因子进行正交旋转或斜交旋转;g.根据公因子的系数特征和公因子的得分特征来判断故障元件。本发明从WAMS系统中的实时量测信息中提取电力系统的故障因子特征,不仅能够满足广域后备保护系统对故障定位实时性和准确性的要求,而且具有很强的抗干扰能力。

Patent Agency Ranking