公开(公告)号：CN113516271A

公开(公告)日：2021-10-19

申请号：CN202110364314.X

申请日：2021-04-05

Applicant: 东北电力大学

Inventor： 杨茂 ,  石超予 ,  孙勇 ,  李宝聚

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及风电技术领域，是一种基于时空神经网络的风电集群功率日前预测方法，其特点是：包括风电集群的数值天气预报(NWP)特征图的构建、利用卷积神经网络(CNN)进行特征提取、长短时神经网络的训练、仿真计算和评价指标的步骤，与现有的仅考虑历史风电功率数据时序相比，本发明能跟踪未来的功率趋势，物理意义清晰，并考虑到数据之间丰富的时空相关性，具有预测精度高，预测结果有效，适用性和实用性强等优点。

公开(公告)号：CN110751213A

公开(公告)日：2020-02-04

申请号：CN201911001031.8

申请日：2019-10-21

Applicant: 东北电力大学 ,  国网吉林省电力有限公司

Inventor： 杨茂 ,  白玉莹 ,  孙勇 ,  李振元 ,  李宝聚 ,  熊健

IPC: G06K9/62 ,  G06F17/18 ,  G06Q50/06

Abstract: 本发明涉及风电技术领域，是一种测风塔异常风速数据识别与补齐的方法，其特点是：包括：风速数据异常值的设置、识别异常风速数据、识别结果校正、异常风速数据补齐、仿真计算、评价指标等步骤，能够考虑风速滤波误差特性，物理意义清晰，并考虑测风塔不同高度的波动特性，能够满足实测数据使用要求。具有科学合理，适用性强，精度高，效果佳等优点。