-
公开(公告)号：CN114578087A
公开(公告)日：2022-06-03
申请号：CN202210080454.9
申请日：2022-01-24
Applicant: 华北电力大学(保定)
Abstract: 本发明涉及风速不确定性度量技术领域，且公开了基于非支配排序和随机模拟算法的风速不确定性度量方法，包括以下步骤：S1、利用非支配排序遗传算法和包络熵原理确定变分模态分解的模态数，实现参数的自适应选取；S2、选择麻雀搜索算法进行参数寻优，消除随机输入权重与偏置对深度极限学习机的影响，对各分量序列进行预测；S3、在点预测的基础上，使用马尔科夫链构造随机矩阵，对误差序列进行随机模拟，并根据蒙特卡洛思想得到若干独立的随机抽样结果，将模拟的误差分位数序列与点预测结果相结合，得到区间预测结果。S4、对本文所提方法进行实例评估和验证，证明方法的可行性和优越性，建立完整的风速不确定性度量方案。
-
公开(公告)号：CN107358006B
公开(公告)日：2021-10-22
申请号：CN201710613264.8
申请日：2017-07-25
Applicant: 华北电力大学(保定)
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。
-
公开(公告)号：CN107392379B
公开(公告)日：2021-06-11
申请号：CN201710614032.4
申请日：2017-07-25
Applicant: 华北电力大学(保定)
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。
-
公开(公告)号：CN110309603A
公开(公告)日：2019-10-08
申请号：CN201910601512.6
申请日：2019-07-05
Applicant: 华北电力大学(保定)
Abstract: 本发明公开一种基于风速特性的短期风速预测方法及系统。该预测方法包括：获取原始风速序列；对所述风速序列进行奇异值分解，获取去噪序列和噪声余项；获取对所述去噪序列进行变分模态分解的最优模态数；对所述去噪序列进行变分模态分解，获取各分量序列；利用改进的平均影响值法获取所述环境因素中与输出风速高相关的信息，并结合所述分量序列或余项建立长短期记忆网络模型；通过改进的极值优化法优化网络模型，获取预测模型；通过所述预测模型对所述各分量序列和所述噪声序列进行预测，获取各分量和余项预测结果；累加各分量和余项预测结果，获取风速预测结果；本发明的风速预测方法或系统显著提高了预测模型可靠性，可获得高精度预测结果。
-
公开(公告)号：CN108846508A
公开(公告)日：2018-11-20
申请号：CN201810537126.0
申请日：2018-05-30
Applicant: 华北电力大学(保定)
Abstract: 本发明公开一种基于大气扰动的风速预测方法及系统。所述预测方法包括：获取训练好的基于长短时记忆网络的风速预测模型；根据所述风速预测模型获得风速的初步预测序列，所述初步预测序列中每一时刻对应一个风速初步预测值；获取洛伦兹方程的初始条件和参数；根据所述初始条件和所述参数获得风速扰动序列，所述风速扰动序列为所述洛伦兹方程的数值解，所述风速扰动序列包括每一时刻对应的风速扰动值；根据所述风速扰动序列对所述初步预测序列进行修正，得到风速的最终预测序列。采用本发明的风速预测方法或系统，预测结果更接近真实的风速序列，而且具有更小的预测误差。
-
Patent Agency Ranking
公开(公告)号：CN108520269A
公开(公告)日：2018-09-11
申请号：CN201810196743.9
申请日：2018-03-10
Applicant: 华北电力大学(保定)
Abstract: 本发明公开一种风速预测方法及预测系统。预测方法包括：获取原始的风速序列；对风速序列进行经验模态分解，获得若干固有模态函数和余项；根据各个固有模态函数的瞬时频率均值对所有的固有模态函数进行分类，获得若干高频模态函数和若干低频模态函数；采用每个高频模态函数的训练样本数据训练最小二乘支持向量机，获得高频预测模型；采用每个低频模态函数的训练样本数据训练BP神经网络，获得低频预测模型；采用余项的训练样本数据训练BP神经网络，获得余项预测模型；利用各个高频预测模型、各个低频预测模型和余项预测模型预测风速。本发明基于不同分量的波动特性建立预测模型，可有效减弱风速序列的随机波动性，实现对风速的精确预测。
-
公开(公告)号：CN104931848A
公开(公告)日：2015-09-23
申请号：CN201510091215.3
申请日：2015-03-01
Applicant: 华北电力大学(保定)
IPC: G01R31/08
Abstract: 一种基于广域测量信息的电力系统线路故障判别方法，包括以下步骤：a.从实时测得的广域测量信息中选择电压采集向量和/或电流采集向量作为初始变量；b.计算原始变量样本信息的样本均值和离差矩阵；c.如果做为初始变量样本信息的总体均值存在显著性差别，则转步骤d，否则，转步骤e；d.建立后验概率的判别准则，转步骤f；e.合并原始变量的样本信息总体，并重新筛选初始变量，转步骤a；f.根据后验概率判别准则判别电力系统的线路故障。本发明利用后验概率的判别准则来诊断电力系统的线路故障，对常见噪声干扰源所诱发的随机干扰具有很强的抗干扰能力，能够满足系统的冗余性要求，实现对线路故障的快速、准确、可靠判别。
-
公开(公告)号：CN110543929B
公开(公告)日：2023-11-14
申请号：CN201910805484.X
申请日：2019-08-29
Applicant: 华北电力大学(保定)
IPC: G06F30/28 , G06F30/27 , G06N3/006 , G06N3/0442 , G06F18/10 , G06F18/214 , G06F18/21 , G01P5/00 , G06F111/06 , G06F111/04 , G06F111/10 , G06F113/08 , G06F119/14 , G06F123/02
Abstract: 本发明公开一种基于Lorenz系统的风速区间预测方法及系统。该预测方法包括：获取原始风速序列；对所述风速序列进行变分模态分解(VMD)，获取去噪序列和噪声余项；建立长短时神经网络预测模型(LSTM)，对所述去噪序列进行初步预测，获取初步预测结果；通过定义风速爬坡事件(WSR)和风速爬坡率，对初步预测结果进行修正，获取修正的风速预测结果；通过Lorenz方程描述大气动力系统对风速的影响，并得到Lorenz扰动序列(LDS)；通过B样条插值法对LDS进行拟合，并对拟合结果固定置信区间，获取风速扰动区间的上限和下限；将修正的风速预测结果和风速扰动区间进行求和，获取风速的区间预测结果；本发明的风速区间预测方法或系统显著提高了预测模型的精度和可靠性，可获得高精度预测结果。
-
公开(公告)号：CN116596102A
公开(公告)日：2023-08-15
申请号：CN202211480804.7
申请日：2022-11-24
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种带有数据预处理和模型优化的风速变频混合预测系统，包含点预测和区间预测在内的提前小时混合风速预测系统，以提高对风能波动风险的可预见性。在点预测设计框架中，高分辨率数据先均化为小时数据，并应用WSTD算法进行数据去噪，减弱噪声影响。随后由eXtremeGradientBoosting(xgboost)算法优化包含高分辨率数据在内的输入特征，以便在考虑细节波动信息的同时提高模型学习效率。之后基于模型选择原则(MSP)从由贝叶斯算法(BO)优化的模型选择池中选定最优子模型，最后引入分段误差修正法得到最终的点预测结果，并基于误差预测序列和修正结果构造预测区间。本发明构建了包含点预测和区间预测在内的提前小时混合风速预测系统，以提高对风能波动风险的可预见性。
-
公开(公告)号：CN109583588B
公开(公告)日：2021-09-10
申请号：CN201811539880.4
申请日：2018-12-17
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种短期风速预测方法及系统。该方法包括：获取历史风速数据；所述历史风速数据包括第一历史风速数据和第二历史风速数据，所述第一历史风速数据为所述第二历史风速数据之前的数据；通过遗传算法对神经网络模型进行优化；通过所述历史风速数据对优化后的神经网络模型进行训练，得到预测模型；对所述第二历史风速数据进行变分模态分解，得到多个第二非线性波动风速特征数据；通过所述预测模型对多个所述第二非线性波动风速特征数据进行预测，得到风速预测数据。本方法或系统能够有效提升风速预测精度的可靠性。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.05 seconds)
