-
公开(公告)号：CN108133279A
公开(公告)日：2018-06-08
申请号：CN201710757703.2
申请日：2017-08-29
Applicant: 甘肃省电力公司风电技术中心 , 国网甘肃省电力公司 , 国家电网公司 , 清华大学
Abstract: 本发明涉及一种风电功率概率预测的方法，包括：获取风电场历史数据的统计特征；将历史预测功率和风电场的NWP预测结果的风速波动量序列相结合，形成概率预测的影响因子，并将影响因子划分为多个互不相交的子集；以所述风电场历史数据的统计特征作为输入，通过随机森林算法对次日的误差水平进行分类预测，获得分类预测结果；根据所述分类预测结果，以及预测时所处的历史预测功率和NWP预测结果的风速波动量所在的子集，计算误差的概率密度函数，获得误差随机变量；以及根据风电场的风电功率NWP预测结果以及所述误差随机变量，获得风电功率概率预测结果。该方法具有更好的预测效果。本发明还提供一种计算机可读存储介质及计算机设备。
-
公开(公告)号：CN104112180B
公开(公告)日：2018-04-10
申请号：CN201410248688.5
申请日：2014-06-06
Applicant: 清华大学 , 国家电网公司 , 国网甘肃省电力公司 , 甘肃省电力公司风电技术中心
Abstract: 本发明提供一种风资源数值的获取方法，包括以下步骤：获取风场的实测资料并构建初始风场；设定模型参数,固定α1的数值为1，利用长时间风速序列基于经验正交函数分解的空间分量数值关系作为衡量标准，以各个测风塔的主导风向分析结果作为风向诊断效果的参考,确定α2；对初始风场进行调整，使风场在整个空间内满足质量守恒方程，并且总调整量最小。
-
公开(公告)号：CN107067099A
公开(公告)日：2017-08-18
申请号：CN201710055611.X
申请日：2017-01-25
Applicant: 清华大学 , 甘肃省电力公司风电技术中心 , 国网甘肃省电力公司 , 国家电网公司
Abstract: 本发明涉及一种风电功率概率预测方法及装置，所述方法包括：根据历史输出功率以及历史预测功率，获取风电场预测误差的统计特征；根据历史预测功率和风电场的NWP预测结果的风速波动量，获得风电概率预测的条件全集；通过K‑means聚类算法，将条件全集划分为若干条件子集；对处在每个条件子集下的误差集合形成条件经验分布，并检验其数字特征与风电场预测误差的统计特征中数字特征是否重合；若重合则通过K‑means聚类算法再次进行聚类；以及根据各时刻的风电功率预测结果以及条件经验分布，获得风电功率概率预测结果。本发明还涉及一种预测装置。本发明提供的风电功率概率预测方法能够差异性地提供误差分布函数，具有更高的预测准确度。
-
公开(公告)号：CN104112167B
公开(公告)日：2017-06-23
申请号：CN201410248840.X
申请日：2014-06-06
Applicant: 国家电网公司 , 国网甘肃省电力公司 , 甘肃省电力公司风电技术中心 , 清华大学
CPC classification number: Y02A90/15
Abstract: 本发明提供一种可发电风资源分布的获取方法，主要包括以下步骤：步骤S10，获取每个测风塔前6个小时的历史风速数据；步骤S20，在每个整小时点根据前6小时的风速数据相关性对测风塔进行聚类；步骤S30，假设该风电基地共有N座测风塔，计算待求点与所有测风塔的地理距离；步骤S40，找到最小的测风塔；步骤S50，根据步骤S20和步骤S40的计算结果，确定测风塔所在组别中的其他测风塔；步骤S60，对选取的测风塔用反距离加权方法插值得到未知点的风速风向估计值。
-
公开(公告)号：CN108108871B
公开(公告)日：2021-07-13
申请号：CN201711098785.0
申请日：2017-11-09
Applicant: 甘肃省电力公司风电技术中心 , 清华大学 , 国网甘肃省电力公司 , 国家电网公司
Abstract: 本发明涉及一种风电场群输电设备的选型方法，所述方法包括：获取最近M年风电出力的分布模型；根据最近M年最近M年风电出力的分布模型，计算风电场群输电设备的高风速截尾风险；获取基于高风速截尾风险和输变电损耗的风电场群输电设备的评价指标，根据评价指标选择风电场群输电设备。该方法能够提高风电场群的经济性。
-
Patent Agency Ranking
公开(公告)号：CN107067099B
公开(公告)日：2020-06-19
申请号：CN201710055611.X
申请日：2017-01-25
Applicant: 清华大学 , 甘肃省电力公司风电技术中心 , 国网甘肃省电力公司 , 国家电网公司
Abstract: 本发明涉及一种风电功率概率预测方法及装置，所述方法包括：根据历史输出功率以及历史预测功率，获取风电场预测误差的统计特征；根据历史预测功率和风电场的NWP预测结果的风速波动量，获得风电概率预测的条件全集；通过K‑means聚类算法，将条件全集划分为若干条件子集；对处在每个条件子集下的误差集合形成条件经验分布，并检验其数字特征与风电场预测误差的统计特征中数字特征是否重合；若重合则通过K‑means聚类算法再次进行聚类；以及根据各时刻的风电功率预测结果以及条件经验分布，获得风电功率概率预测结果。本发明还涉及一种预测装置。本发明提供的风电功率概率预测方法能够差异性地提供误差分布函数，具有更高的预测准确度。
-
公开(公告)号：CN108110764A
公开(公告)日：2018-06-01
申请号：CN201711442803.2
申请日：2017-12-26
Applicant: 清华大学 , 甘肃省电力公司风电技术中心 , 国网甘肃省电力公司 , 国家电网公司
Abstract: 本发明涉及一种交直流混联系统的最优潮流分配方法，包括：建立交直流混联系统的最优潮流分配模型，以及简化模型中的交流网络的潮流方程、直流网络的潮流方程，最终将总网损表示为交直流耦合点注入的交流功率Pt的函数，求解Pt的最优值。
-
公开(公告)号：CN107194496A
公开(公告)日：2017-09-22
申请号：CN201710277406.8
申请日：2017-04-25
Applicant: 甘肃省电力公司风电技术中心 , 清华大学 , 国网甘肃省电力公司 , 国家电网公司
CPC classification number: G06Q10/04 , G06K9/6267 , G06N3/08 , G06Q50/06
Abstract: 本发明涉及一种光伏功率的预测方法，包括：对实测历史光伏功率序列进行小波分解，获得历史光伏功率的低频分量及高频分量，所述低频分量与高频分量具有不同的能量值；将预先获取的历史光伏功率的强相关变量作为分类模型的输入，将所述低频分量和高频分量分别作为分类模型的输出，建立所述强相关变量与低频分量和高频分量的映射关系；获取与待预测光伏功率相关的强相关变量，根据所述与待测光伏功率相关的强相关变量及所述映射关系，得到待预测光伏功率的低频分量和高频分量；对所述待预测光伏功率的低频分量和高频分量进行小波重构，得到光伏功率预测值。本发明还涉及一种预测装置。该预测方法及预测装置能够准确对光伏功率进行预测。
-
公开(公告)号：CN105528735A
公开(公告)日：2016-04-27
申请号：CN201510876711.X
申请日：2015-12-03
Applicant: 甘肃省电力公司风电技术中心 , 清华大学 , 国家电网公司 , 国网甘肃省电力公司
IPC: G06Q50/06
CPC classification number: G06Q50/06
Abstract: 本发明涉及一种基于量测风速与空间相关性的异常数据校正算法，包括以下步骤：步骤S10，建立各风电场的条件概率分布函数；步骤S20，将风电场的功率输出实测数据代入条件概率分布函数；步骤S30，产生服从均匀分布的随机数；步骤S40，求风电场的校正功率估计值；步骤S50，判断校正功率是否位于等效功率曲线内；步骤S60，判断强相关风电场集合中的异常数据点是否校正完毕。
-
公开(公告)号：CN104463697A
公开(公告)日：2015-03-25
申请号：CN201410701366.1
申请日：2014-11-28
Applicant: 清华大学 , 国家电网公司 , 国网甘肃省电力公司 , 甘肃省电力公司风电技术中心
IPC: G06Q50/06
Abstract: 本发明提供一种含大规模风电电力系统的风险评估方法，主要包括以下步骤：获取风电和电力负荷的相关系数，计算得到反调峰的概率；计算极端天气爬坡率的概率，并且所述爬坡率的概率分布符合高影响低频率和低影响高频率原则；根据反调峰的概率及极端天气爬坡率的概率定义关键风险指标PRNS，RRNS及RI，并利用含风电的UC模型计算最优发电计划及备用增量，根据关键风险指标PRNS，RRNS及RI计算系统运行风险；循环计算N天的运行风险，对风险值大小进行分类，将风险值接近的归于同一区间，并计算各风险级别的发生频率，作出风险的后果-频率关系散点图。
-
-
-
-
-
-
-
-
-
Search Results
435
records
(took 0.091 seconds)
