-
公开(公告)号：CN117878933B
公开(公告)日：2024-05-28
申请号：CN202410281864.9
申请日：2024-03-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于突变气象环境识别的风电功率预测方法，包括收集历史气象数据并对其进行预处理，基于该数据，利用动态自适应的突发气象环境识别算法识别突变气象时段，得到突变气象事件；利用风速相似系数对预测风速时段进行相似时段匹配，得到与预测时段具有相同趋势特征的历史趋同突变气象事件；构建基于注意力机制的Transformer风电功率预测模型，将突变气象事件与历史趋同突变气象事件转为多维输入数据输入到该模型中，实现功率预测。本发明可对复杂大量气象数据实现自动精准识别，可有效的利用同类气象事件之间的趋同性提高突发气象环境下的风电功率预测准确度，保障了电网输入端的可控可预测性。
-
Patent Agency Ranking
公开(公告)号：CN111539577A
公开(公告)日：2020-08-14
申请号：CN202010357559.5
申请日：2020-04-29
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于风速变化率和高斯过程回归的短期风电功率预测方法，包括以下步骤：S1采集风电场的实测数据，包括实测风速和实测功率；S2结合周边风场数据以及历史数据进行数据预处理；S3定义风速变化率；S4采用高斯回归模型作为预测模型，将风速值及风速变化率同时作为预测模型的输入，建立R-GPR模型进行短期风电功率预测。本发明提出的R-GPR模型预测结果中的大误差会逐渐减少，从而使得稳定性较好，而且对实际功率的跟踪性能更优，增强了模型对于风电功率数据预测的泛化性能。
-
公开(公告)号：CN117058377A
公开(公告)日：2023-11-14
申请号：CN202310969515.1
申请日：2023-08-03
Applicant: 南京信息工程大学
IPC: G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/77 , G06V10/44 , G06V10/52 , G06V10/80 , G06V20/10 , G06N3/084 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于遥感图像的铁路沿线树林和湖泊分割方法，包括：制作树林和湖泊数据集；构建语义分割网络模型；利用得到的数据集，在建立的语义分割网络模型中进行网络模型的训练；对于待分割的图像，使用训练好的网络模型进行预测并生成标签图像。本发明创新性的设计出多分支残差加权模块、上下文特征细化模块、高低特征融合模块，并且将这些模块配合性的应用到了铁路沿线树林和湖泊的图像识别分割当中，有效提高了图像的分割精度，实现铁路沿线典型地形地貌的精细化提取，准确的识别铁路沿线树林和湖泊，可以提高铁路沿线环境的风速预测精度，进而综合考虑地形和风速的影响，构建完善的异物侵限预防体系，为铁路安全运行保驾护航。
-
公开(公告)号：CN117878933A
公开(公告)日：2024-04-12
申请号：CN202410281864.9
申请日：2024-03-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于突变气象环境识别的风电功率预测方法，包括收集历史气象数据并对其进行预处理，基于该数据，利用动态自适应的突发气象环境识别算法识别突变气象时段，得到突变气象事件；利用风速相似系数对预测风速时段进行相似时段匹配，得到与预测时段具有相同趋势特征的历史趋同突变气象事件；构建基于注意力机制的Transformer风电功率预测模型，将突变气象事件与历史趋同突变气象事件转为多维输入数据输入到该模型中，实现功率预测。本发明可对复杂大量气象数据实现自动精准识别，可有效的利用同类气象事件之间的趋同性提高突发气象环境下的风电功率预测准确度，保障了电网输入端的可控可预测性。
-
公开(公告)号：CN116388184B
公开(公告)日：2023-08-15
申请号：CN202310653736.8
申请日：2023-06-05
Applicant: 南京信息工程大学
IPC: H02J3/00 , G01P5/00 , G06N3/0442 , G06N3/047 , G06N3/08 , G06F18/213 , G06F18/23213 , G06F123/02
Abstract: 本发明公开了一种基于风速日波动特征的超短期风速修订方法、系统，该方法为：通过构建VSDA模型对历史风速数据进行风速日分段、波动特征提取以及分类，为风速修订算法提供风速日数据与风速波动标记，高度概括了风速间的相关性与风速波动特征；而后将过往风速日数据、对应波动标记与数值天气预报风速预测数据作为模型输入，结合经过贝叶斯优化的长短期记忆神经网络算法实现对数值天气预报风速预测值修订。本发明提出的修订方法可有效地提高风速预测值的准确度，使得风速预测值可靠性大幅提升，增强了风电功率预测的准确度，具有一定的实用价值。
-
公开(公告)号：CN116388184A
公开(公告)日：2023-07-04
申请号：CN202310653736.8
申请日：2023-06-05
Applicant: 南京信息工程大学
IPC: H02J3/00 , G01P5/00 , G06N3/0442 , G06N3/047 , G06N3/08 , G06F18/213 , G06F18/23213 , G06F123/02
Abstract: 本发明公开了一种基于风速日波动特征的超短期风速修订方法、系统，该方法为：通过构建VSDA模型对历史风速数据进行风速日分段、波动特征提取以及分类，为风速修订算法提供风速日数据与风速波动标记，高度概括了风速间的相关性与风速波动特征；而后将过往风速日数据、对应波动标记与数值天气预报风速预测数据作为模型输入，结合经过贝叶斯优化的长短期记忆神经网络算法实现对数值天气预报风速预测值修订。本发明提出的修订方法可有效地提高风速预测值的准确度，使得风速预测值可靠性大幅提升，增强了风电功率预测的准确度，具有一定的实用价值。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
