-
公开(公告)号：CN109583588A
公开(公告)日：2019-04-05
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。
-
公开(公告)号：CN106600055A
公开(公告)日：2017-04-26
申请号：CN201611142679.3
申请日：2016-12-12
Applicant: 华北电力大学(保定)
Abstract: 本发明提供了一种基于自激励门限自回归模型的风速预测方法，属于输配电技术领域，目的是改进原有的风速预测方法，提高风速预测精度，本发明通过SETAR模型将原始的非线性风速序列，通过门限值r和滞后阶数d分为多个序列，并对每段序列建立AR模型，这种模型实际就是l个AR模型，或者说是由门限r控制的l个分段AR模型。最后根据预测结果判断得出最优预测值。本发明充分挖掘风速序列的非线性特性，在此基础上，建立适当的回归模型。实验结果表明，本方法要优于单纯传统ARMA模型和BP模型的预测方法，并且具有更高的预测精度。
-
公开(公告)号：CN105809278A
公开(公告)日：2016-07-27
申请号：CN201610121901.5
申请日：2016-03-03
Applicant: 华北电力大学(保定)
CPC classification number: G06Q10/043 , G06Q50/06
Abstract: 一种基于排队论算法的电动汽车换电站选址规划方法，目的是实现城区内电动汽车基础设施的合理规划与节能，其技术方案是，所述方法通过排队论的方法计算换电站内最佳设施数目，将换电站与集中型充电站（变电站）作为整体研究对象，构建以总体运营成本和运输成本最小化为目标的优化模型，最后利用该模型实现电动汽车换电站的选址规划。本发明在充分考虑换电站建设成本、运输能耗和用户用电需求的基础上，规划制定符合城区建设要求的选址模型。实验结果证明，本方法不仅能够计算出换电站选址的优化方案，还能得出最优变电站的接入方案，对城区内电动汽车充、换电站的规划建设具有重要的指导作用。
-
公开(公告)号：CN104657584A
公开(公告)日：2015-05-27
申请号：CN201410781092.1
申请日：2014-12-16
Applicant: 华北电力大学(保定)
Abstract: 一种基于Lorenz系统的风速预测方法，所述方法是在利用小波神经网络（WNN）模型对风速进行预测的基础之上，引入Lorenz大气对流系统对预测结果进行干扰修正，达到提高风能预测精度的目的。本发明在风速预测过程中引入Lorenz大气扰动系统对风速预测结果进行干扰修正，该方法考虑了实际大气运动过程中的大气扰动效应，并利用实际风电场数据进行验证。实验结果证明，本方法可大大提高风能的预测精度，对风电产业的发展具有极大的促进作用。
-
公开(公告)号：CN104504466A
公开(公告)日：2015-04-08
申请号：CN201410781091.7
申请日：2014-12-17
Applicant: 华北电力大学(保定)
Abstract: 一种考虑大气扰动效应的风电场功率预测方法，所述方法将大气非线性Lorenz系统视为扰动模型，并定义大气非线性扰动变量来消除原始风速数据中蕴含的非线性因素，优化功率预测模型的输入，以此实现更高精度的风电功率预测。本发明在常规功率预测方法的基础上，利用功率预测扰动公式对风速预测结果进行非线性干扰修正，消除原始风速中存在的某些非线性扰动因素对预测结果的影响，达到精确预测风电功率的目的。实验结果证明，本方法可大大提高风能的预测精度，对风电产业的发展具有极大的促进作用。
-
Patent Agency Ranking
公开(公告)号：CN110309603B
公开(公告)日：2023-10-24
申请号：CN201910601512.6
申请日：2019-07-05
Applicant: 华北电力大学(保定)
IPC: G06F30/20 , G06N3/0464 , G06N3/0442 , G06N3/044 , G06N3/08
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：CN114578087B
公开(公告)日：2023-10-13
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：CN110543929A
公开(公告)日：2019-12-06
申请号：CN201910805484.X
申请日：2019-08-29
Applicant: 华北电力大学(保定)
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：CN104933469B
公开(公告)日：2018-05-08
申请号：CN201510092616.0
申请日：2015-03-02
Applicant: 华北电力大学(保定)
Abstract: 一种基于灰色生成扰动模型的短期风速预测方法，其步骤为：a.数值求解Lorenz方程；b.定义Lorenz扰动量形式；c.利用BP网络进行短期风速初步预测；d.选用某一瑞利数的Lorenz扰动量对预测结果进行修正；e.借助灰色生成理论及多项式累加生成模型对风速和扰动变量进行拟合，建立扰动模型；f.利用其它瑞利数的Lorenz扰动量建立扰动模型；g.进行风速预测；h.引入误差指标对扰动模型的有效性及风速预测水平进行评价。本发明利用灰生成技术弱化风速及扰动变量的随机性，进而建立风速扰动模型，对短期风速进行预测可大大提高风电预测的准确度，保证电力系统的安全稳定运行。
-
公开(公告)号：CN104931848B
公开(公告)日：2018-05-08
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。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.027 seconds)
