-
公开(公告)号：CN110348637A
公开(公告)日：2019-10-18
申请号：CN201910631937.1
申请日：2019-07-12
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种考虑场-网因素的风电爬坡事件预警方法，其所述方法设计思路如下：首先定义净风功率的概念，综合考虑场-网两侧的功率变化情况。选用净风功率的变化值对爬坡事件进行定义，得到了基于净风功率的变化值的时间序列。同时根据电网频率变化的允许值来选定阈值。根据阈值来对爬坡事件进行识别和分类，用支持向量机建立预测模型，从而实现对风电爬坡事件的预测。该方法利用净风功率曲线对风电爬坡事件进行定义并基于电网频率变化的允许值来设定阈值，进而实现对风电爬坡事件的有效识别和预警。
-
公开(公告)号：CN103678940B
公开(公告)日：2016-08-31
申请号：CN201310749932.1
申请日：2013-12-31
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 基于有效湍流强度瞬时模型的风速波动不确定性估计方法。涉及基于有效湍流强度瞬时模型的风速波动不确定性估计方法。为解决以现有理论模型为基础的风速波动的不确定性估计方法，在风速小的区域和风速大的区域均给出相同宽的误差带，存在过大的预报误差，既不符合实际情况也不能用于帮助电网制定合理的调度计划的问题，本发明通过Mallat小波分解和重构算法得到湍动残差的瞬时标准差，并根据平均风速，利用有效湍流强度模型拟合，实现了对风速波动的不确定性估计。本发明用于风电场功率预测，从而帮助电网制定合理的调度计划，确定旋转备用，安全经济地保证电网的运行。
-
Patent Agency Ranking
公开(公告)号：CN104463511A
公开(公告)日：2015-03-25
申请号：CN201410853142.2
申请日：2014-12-31
Applicant: 哈尔滨工业大学
Abstract: 基于风机单位时间启停频度的风速间歇性定量刻画方法，属于风电预报技术领域。本发明解决了目前风速间歇性的研究仅仅停留在定性描述上，没有对风速的间歇性进行定量描述的问题。本发明的技术要点为：基于风机历史风速数据，统计风机单位时间启停频度的时间序列；通过自相关性分析方法来分析风机单位时间启停频度时间序列的可预报性；利用支持向量机回归建立预报模型，对风机单位时间启停频度进行预报，对未来的风速间歇性进行定量刻画。本发明属于风电预报技术领域。首次提出用风机单位时间启停频度这一参数对风速间歇性进行定量刻画，为电力系统提供更为详细的风电预报信息。
-
公开(公告)号：CN104462839A
公开(公告)日：2015-03-25
申请号：CN201410798080.X
申请日：2014-12-19
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 基于风功率波动强度瞬时模型的风电不确定性估计方法，涉及一种风功率波动的不确定性估计方法。为了解决传统的方法的风功率波动瞬时模型普适性较弱的问题和风功率实时预报结果不准确的问题。本发明获取实测风功率数据，以Mallat小波分解和重构算法为工具，对实测风功率数据进行小波分解；利用Mallat小波分解算法对风功率波动残差进行分解和重构，得到与同期小时平均风功率相对应的风功率分钟级波动残差的瞬时标准差σm和风功率秒级波动残差的瞬时标准差σs，求取与小时平均风功率相对应的分钟级、秒级风功率波动强度；对风功率波动强度建模进行拟合；得到最终的风功率波动强度瞬时模型，对预报结果的不确定性进行定量评估。本发明适用于电网的运行和调度。
-
公开(公告)号：CN119109005A
公开(公告)日：2024-12-10
申请号：CN202410895183.1
申请日：2024-07-05
Abstract: 本申请公开了一种可再生能源互补性的确定方法、装置、设备及介质，涉及可再生能源利用领域。可再生能源互补性的确定方法包括：获取每种可再生能源在不同时刻的输出功率；根据每种可再生能源在不同时刻的输出功率，计算每种可再生能源在每个相邻时刻的功率变化量；根据每种可再生能源在每个相邻时刻的功率变化量，确定每个相邻时刻是否存在变化趋势相反的可再生能源的判定指标；根据每个相邻时刻是否存在变化趋势相反的可再生能源的判定指标，计算多种可再生能源的互补性指标。本申请实现了对多种可再生能源的互补性进行评估。
-
公开(公告)号：CN111582557A
公开(公告)日：2020-08-25
申请号：CN202010313374.4
申请日：2020-04-20
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种风电爬坡事件的刻画方法，特别涉及一种基于变差函数的风电爬坡事件多级预警方法，具体包括如下步骤：首先利用相对风电功率的定义，获取相应的相对风电功率时间序列。利用变差函数平方根对相对风电功率时间序列进行刻画，将得到的风电功率实时变化速率时间序列进行自相关分析。根据分析结果，用BP神经网络建立预测模型，对序列进行预测。选定变差刻画方式下的风电爬坡事件的多级阈值，利用阈值对BP神经网络的预测结果进行识别，实现对风电爬坡事件的多级预警。本发明弥补了传统风电爬坡事件定义中，仅考虑首末两点功率的不足；综合考虑了一段时间内所有时间点的变化情况，更准确的对爬坡事件进行定义与识别。
-
公开(公告)号：CN103699800A
公开(公告)日：2014-04-02
申请号：CN201310750044.1
申请日：2013-12-31
Applicant: 哈尔滨工业大学
IPC: G06F19/00
Abstract: 基于频域多尺度风速信号可预报性的超短期风速预测方法，属于分析和测量控制技术领域，涉及基于频域多尺度风速信号可预报性的超短期风速预测方法。为解决现有预测方法未考虑频域多尺度的可预报性问题和统计预报模型中输入空间的数据维数选取需要依靠经验而导致的预测精度低、模型训练时间长的问题，通过增加可预报性分析和自相关性分析技术步骤避免了高频分量预测的步数过长而导致叠加后反而对预测结果产生负面影响有效提高了超短期风速预测的精度并减少了模型训练的时间。本发明主要用于风电场对电场功率的预测，从而帮助电网制定合理的调度计划，确定旋转备用，安全经济地保证电网的运行。
-
-
-
-
-
-
Search Results
27
records
(took 0.032 seconds)
