-
公开(公告)号：CN105741192B
公开(公告)日：2021-05-18
申请号：CN201610113700.0
申请日：2016-02-29
Applicant: 南京信息工程大学
IPC: G06Q50/06
Abstract: 本发明公开了一种风电场风电机机舱短期风速组合预报方法，分别采用动态时间规整法和相关系数法对预报风电机机舱与所有风电机机舱逐日对应一定时段的风速子序列进行相似性分析，提取演化最相似的若干子序列的风速数据，分别建立基于动态时间规整法和相关系数法的广义回归神经网络子模型预报单元，各子模型的具体参数采用粒子群算法进行全局优化，两个子模型预报结果的平均值作为组合预报方法的最终预报结果。本发明实现了对风电场内每台风电机的机舱风速进行精细化预报，从而有效提高整个风电场的短期出力预报水平。
-
公开(公告)号：CN105138729A
公开(公告)日：2015-12-09
申请号：CN201510443853.7
申请日：2015-07-24
Applicant: 南京信息工程大学
IPC: G06F17/50
Abstract: 本发明公开了基于PSO-GRNN风电场风电机缺损风速值填充方法，依次进行风速数据相似性判定；确定GRNN填充子模型待优化参数集和评价此优化参数集的适应度函数；运用PSO算法优化待优化的参数，建立GRNN填充子模型；GRNN填充子模型进行GRNN组合，生成最终的填充结果。本发明针对以往单一填充模型稳定性差的缺点，提取与缺损测量风速风电机在缺损采样点附近风速演化最相似的若干台风电机的测量风速，采用PSO-GRNN神经网络组合填充模型对各子模型的填充结果进行动态组合，同时设计了对于组合用GRNN最佳平滑系数的确定方案，进一步提高了最终的填充结果精度和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN105138729B
公开(公告)日：2018-01-09
申请号：CN201510443853.7
申请日：2015-07-24
Applicant: 南京信息工程大学
IPC: G06F17/50
Abstract: 本发明公开了基于PSO‑GRNN风电场风电机缺损风速值填充方法，依次进行风速数据相似性判定；确定GRNN填充子模型待优化参数集和评价此优化参数集的适应度函数；运用PSO算法优化待优化的参数，建立GRNN填充子模型；GRNN填充子模型进行GRNN组合，生成最终的填充结果。本发明针对以往单一填充模型稳定性差的缺点，提取与缺损测量风速风电机在缺损采样点附近风速演化最相似的若干台风电机的测量风速，采用PSO‑GRNN神经网络组合填充模型对各子模型的填充结果进行动态组合，同时设计了对于组合用GRNN最佳平滑系数的确定方案，进一步提高了最终的填充结果精度和稳定性。
-
公开(公告)号：CN104217260A
公开(公告)日：2014-12-17
申请号：CN201410484067.7
申请日：2014-09-19
Applicant: 南京信息工程大学
Abstract: 本发明提供一种风场邻近多台风电机测量风速缺损值的组合填充系统，包括风速数据相似性判定单元、模型参数识别单元、小波神经网络子模型填充单元、组合填充单元。本发明克服了现有方法针对风场邻近多台风电机测量风速同时发生缺损值时，对于缺损测量风速值填充的技术缺点，从二维时间域上采用动态时间规整法，结合相关系数法、空间近邻法共3种方法对风速数据的相似性进行分析；提取与缺损测量风速风电机在缺损采样点附近风速演化最相似的若干台风电机的测量风速，各自构建小波神经网络进行缺损风速填充；通过系统可调参数以适应不同风场的风速数据；采用基于熵权的组合填充方法，最终提出了一种风场邻近多台风电机测量风速缺损值的填充系统。
-
公开(公告)号：CN119357605A
公开(公告)日：2025-01-24
申请号：CN202411935307.0
申请日：2024-12-26
Applicant: 南京信息工程大学
IPC: G06F18/20 , G06N3/042 , G06N3/0464 , G06F18/25 , G06F18/22 , G06F18/213 , G06F123/02
Abstract: 本发明公开了一种风力发电技术领域的基于时空图神经网络的风电场风速预测方法、介质及设备，对原始风速序列进行频率增强，得到频率增强风速序列；将频率增强风速序列输入时间卷积模块得到时序特征；根据原始风速序列构建包含非稳态信息的风速序列，将包含非稳态信息的风速序列输入图学习模块构建空间图结构；将时序特征和空间图结构进行动态图卷积得到第一时空特征；构建包含时序特征和空间特征的时空统一图，通过傅立叶图神经网络对时空统一图中的时序特征和空间特征同时学习，得到第二时空特征；将第一时空特征和第二时空特征进行融合，结合预测时间步得到风速预测值。本发明提高了模型的泛化能力以及能够更好地学习到数据中隐含地频率信息。
-
公开(公告)号：CN104217260B
公开(公告)日：2017-08-22
申请号：CN201410484067.7
申请日：2014-09-19
Applicant: 南京信息工程大学
Abstract: 本发明提供一种风场邻近多台风电机测量风速缺损值的组合填充系统，包括风速数据相似性判定单元、模型参数识别单元、小波神经网络子模型填充单元、组合填充单元。本发明克服了现有方法针对风场邻近多台风电机测量风速同时发生缺损值时，对于缺损测量风速值填充的技术缺点，从二维时间域上采用动态时间规整法，结合相关系数法、空间近邻法共3种方法对风速数据的相似性进行分析；提取与缺损测量风速风电机在缺损采样点附近风速演化最相似的若干台风电机的测量风速，各自构建小波神经网络进行缺损风速填充；通过系统可调参数以适应不同风场的风速数据；采用基于熵权的组合填充方法，最终提出了一种风场邻近多台风电机测量风速缺损值的填充系统。
-
公开(公告)号：CN105741192A
公开(公告)日：2016-07-06
申请号：CN201610113700.0
申请日：2016-02-29
Applicant: 南京信息工程大学
IPC: G06Q50/06
Abstract: 本发明公开了一种风电场风电机机舱短期风速组合预报方法，分别采用动态时间规整法和相关系数法对预报风电机机舱与所有风电机机舱逐日对应一定时段的风速子序列进行相似性分析，提取演化最相似的若干子序列的风速数据，分别建立基于动态时间规整法和相关系数法的广义回归神经网络子模型预报单元，各子模型的具体参数采用粒子群算法进行全局优化，两个子模型预报结果的平均值作为组合预报方法的最终预报结果。本发明实现了对风电场内每台风电机的机舱风速进行精细化预报，从而有效提高整个风电场的短期出力预报水平。
-
-
-
-
-
-
Search Results
7
records
(took 0.039 seconds)
