-
公开(公告)号：CN106845663A
公开(公告)日：2017-06-13
申请号：CN201510889154.5
申请日：2015-12-07
申请人： 中国电力科学研究院 , 国家电网公司 , 国网吉林省电力有限公司
发明人： 杨红英 , 冯双磊 , 王勃 , 王伟胜 , 刘纯 , 郑太一 , 靳双龙 , 姜文玲 , 张菲 , 车建峰 , 赵艳青 , 卢静 , 王铮 , 胡菊 , 马振强 , 宋宗鹏 , 杨国新 , 孙勇
摘要： 本发明涉及一种基于数值天气预报进行热负荷预测的方法，包括：向神经网络模型中输入训练样本；训练神经网络模型；检验神经网络模型；当所述模型的标准误差小于设定值时，确定所述模型的参数；向所述模型输入数值天气预报预测值；得到热负荷预测结果。本发明技术方案通过数值天气预报对热负荷进行预测，以提高热负荷的预测精度。
-
公开(公告)号：CN104268635A
公开(公告)日：2015-01-07
申请号：CN201410448787.8
申请日：2014-09-05
申请人： 国家电网公司 , 中国电力科学研究院 , 中电普瑞张北风电研究检测有限公司 , 国网吉林省电力有限公司
摘要： 本发明提供一种基于再分析资料的测风网络布局优化方法，包括以下步骤：选取再分析资料；采用遗传算法优化测风网络布局；判断测风网络布局有效覆盖面积是否满足终止条件，若满足，则输出经优化的测风塔布局；否则，返回上一步继续执行。本发明在已有测风塔的基础上，以再分析资料不同网格间的相关性作为区域风况代表性的评估指标，采用遗传算法，进行测风网络布局的优化。随着问题种类的不同以及问题规模的扩大，本方法能以有限的代价来很好的解决搜索和优化，具有极好的鲁棒性及工程实用性。
-
公开(公告)号：CN114943272A
公开(公告)日：2022-08-26
申请号：CN202210363762.2
申请日：2022-04-07
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网吉林省电力有限公司 , 国网吉林省电力有限公司电力科学研究院
摘要： 本发明提供了一种基于记忆矩阵的新能源运行数据异常检测方法和系统，包括：将待检测新能源运行数据输入预先构建的特征提取模型，提取出待检测数据特征向量；计算待检测数据特征向量与预先构建的正常数据特征记忆矩阵之间的异常度；判断异常度是否超过预设阈值：若是，则待检测新能源运行数据为异常数据；否则待检测新能源运行数据为正常数据；本发明采用特征提取模型提取出待检测新能源运行数据的待检测数据特征向量，并基于待检测数据特征向量与预先构建的正常数据特征记忆矩阵之间的异常度识别出异常数据，可识别出新能源运行数据中越限异常以及不相关异常等多种类型异常数据。
-
公开(公告)号：CN114942919A
公开(公告)日：2022-08-26
申请号：CN202210393466.7
申请日：2022-04-14
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网吉林省电力有限公司 , 国网吉林省电力有限公司电力科学研究院
IPC分类号： G06F16/215 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/06
摘要： 本发明提供了一种基于生成对抗策略的新能源场站缺测数据恢复方法和系统，包括：获取新能源场站运行数据中的含缺测数据和对应的数据掩码；将含缺测数据和数据掩码输入预先构建的条件生成模型，恢复含缺测数据中的缺测值；其中，数据掩码对应含缺测数据中缺测值的分布，条件生成模型是基于无缺测数据的新能源场站运行数据采用对抗策略训练得到的；本发明采用条件生成模型恢复新能源场站缺测数据，可应用于具有不同缺测情况的缺测数据恢复，恢复出的数据与原始数据特性一致，并且只需要训练一个条件生成模型，算法较现有技术更简单。
-
公开(公告)号：CN109633784A
公开(公告)日：2019-04-16
申请号：CN201811495581.5
申请日：2018-12-07
申请人： 中国电力科学研究院有限公司 , 国网吉林省电力有限公司
IPC分类号： G01W1/10
CPC分类号： G01W1/10
摘要： 本发明公开了基于城市冠层人为热的数值天气预报模式的计算模块，该模块包括测量单元和计算单元，根据测量得到的城市街谷的建筑物平均高度和街谷平均宽度计算建筑物密度，根据得到的建筑物密度值确定人为热的极大值，根据人为热的极大值和一比例系数得到人为热量，根据人为热量和一可调函数、测试点垂直于地表的高度、测试点的空气密度及热传导率，计算得到人为热通量，将得到的人为热通量添加到数值天气预报模式中的能力平衡方程热量项中。本发明通过将人为热通量添加到数值天气预报模式中的能力平衡方程热量项中，有效改善了数值天气预报模式对城市气温的模拟能力较差，大多数情况下会低估城市气温的问题，使得数值天气预报模式能够更加准确的模拟城市气温。
-
公开(公告)号：CN118051881A
公开(公告)日：2024-05-17
申请号：CN202410138128.8
申请日：2024-01-31
申请人： 中国电力科学研究院有限公司 , 国家电网有限公司 , 国网吉林省电力有限公司
发明人： 王铮 , 冯双磊 , 董存 , 卢雪平 , 王勃 , 李庆 , 李宝聚 , 车建峰 , 王钊 , 陈帅 , 靳双龙 , 宋宗朋 , 赵艳青 , 刘晓琳 , 王姝 , 滑申冰 , 丁禹 , 柴荣繁 , 姜文玲
IPC分类号： G06F18/27 , H02J3/00 , H02J3/38 , G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/0475 , G06N3/094 , G06F123/02
摘要： 本发明涉及风电功率预测技术领域，具体提供了一种考虑低温寒潮天气的风电功率短期预测方法及装置，包括：获取预测时段的常规功率预测结果；利用预先构建的低温寒潮天气辨识条件判断预测时段的天气是否为低温寒潮天气，若是，则考虑低温寒潮天气对常规功率预测结果的影响对所述预测时段的常规功率预测结果进行平滑订正，否则，输出所述预测时段的常规功率预测结果。本发明提供的技术方案，有效弥补了低温寒潮天气下小样本事件由于数据稀缺而难以建模的问题，完成各极端场景的准确预判和场景功率的精确预测。
-
公开(公告)号：CN109738971A
公开(公告)日：2019-05-10
申请号：CN201811494475.5
申请日：2018-12-07
申请人： 中国电力科学研究院有限公司 , 国网吉林省电力有限公司
IPC分类号： G01W1/10
摘要： 本发明公开了基于城市冠层人为热的数值天气预报模式的计算方法，根据测量得到的城市街谷的建筑物平均高度和街谷平均宽度计算建筑物密度，根据得到的建筑物密度值确定人为热的极大值，根据人为热的极大值和一比例系数得到人为热量，根据人为热量和一可调函数、测试点垂直于地表的高度、测试点的空气密度及热传导率，计算得到人为热通量，将得到的人为热通量添加到数值天气预报模式中的能力平衡方程热量项中。本发明通过将人为热通量添加到数值天气预报模式中的能力平衡方程热量项中，有效改善了数值天气预报模式对城市气温的模拟能力较差，大多数情况下会低估城市气温的问题，使得数值天气预报模式能够更加准确的模拟城市气温。
-
公开(公告)号：CN107392304A
公开(公告)日：2017-11-24
申请号：CN201710658482.3
申请日：2017-08-04
申请人： 中国电力科学研究院 , 国家电网公司 , 国家电网公司西北分部 , 国网辽宁省电力有限公司 , 国网新疆电力公司
摘要： 本发明涉及一种风电机组异常数据识别方法及装置，包括：以风电机组风速数据为测试样本，输入预先构建的BP神经网络模型；根据所述BP神经网络模型输出的目标参数，判断风电机组异常数据；所述BP神经网络模型根据电机组的风速数据进行构建。本发明提供的技术方案，能够准确的识别获取风电机组的异常数据，有效解决了风电机组故障以及异常数据识别困难的问题，使得异常数据的检测具有较高的准确性；从而为计算风电机组和风电场理论功率提供支撑。
-
公开(公告)号：CN108074015B
公开(公告)日：2023-10-27
申请号：CN201711416137.5
申请日：2017-12-25
申请人： 中国电力科学研究院有限公司 , 国家电网公司 , 国家电网公司西北分部 , 国网冀北电力有限公司
IPC分类号： G06Q10/0637 , G06Q10/04 , G06Q50/06
摘要： 本发明提供一种风电功率超短期预测方法及系统，包括：在风电功率主成分波动序列中检测局部极值点，生成连续极值变化范围在装机容量预设阈值约束下的极值点序列；在极值点序列中选取采样数据的相邻极值点，定义历史复合波动序列；计算历史复合波动序列与下一时刻的预测复合波动序列之间的欧式距离；根据欧式距离对历史复合波动序列进行降序排列，并根据波动特征，确定类波动序列；对类波动序列进行类波动趋势融合，获得超短期预测结果。利用风电主成分波动的稳态趋势统计特征，结合未来波动态势判断，实现了高精度的风电功率超短期预测。
-
公开(公告)号：CN108074015A
公开(公告)日：2018-05-25
申请号：CN201711416137.5
申请日：2017-12-25
申请人： 中国电力科学研究院有限公司 , 国家电网公司 , 国家电网公司西北分部 , 国网冀北电力有限公司
摘要： 本发明提供一种风电功率超短期预测方法及系统，包括：在风电功率主成分波动序列中检测局部极值点，生成连续极值变化范围在装机容量预设阈值约束下的极值点序列；在极值点序列中选取采样数据的相邻极值点，定义历史复合波动序列；计算历史复合波动序列与下一时刻的预测复合波动序列之间的欧式距离；根据欧式距离对历史复合波动序列进行降序排列，并根据波动特征，确定类波动序列；对类波动序列进行类波动趋势融合，获得超短期预测结果。利用风电主成分波动的稳态趋势统计特征，结合未来波动态势判断，实现了高精度的风电功率超短期预测。
-
-
-
-
-
-
-
-
-
搜索结果
179 条记录 (耗时 0.067 秒)
