公开(公告)号：CN103268416B

公开(公告)日：2017-02-22

申请号：CN201310187534.5

申请日：2013-05-20

Applicant: 华北电力大学(保定)

Inventor： 刘兴杰 ,  郑文书 ,  岑添云

IPC: G06F19/00

Abstract: 一种基于STCP-BP的风速预测方法，所述方法首先利用目标预测点盛行风向的上风向邻域点的风速及风向信息，建立时空相关性预测模型，得到目标预测点的风速预测值；然后运用目标预测点的历史风速数据建立BP神经网络直接多步预测模型，得到目标预测点的未来多步风速预测值；最后将两种预测值进行平均组合预测，得到目标预测点风速的直接多步预测值。本发明在传统神经网络预测方法的基础上加入了上风向观测点的风速信息，既考虑了风速演变的时空相关特性，又采用统计方法实现多步预测，大大提高了风电场风速的预测精度。所述方法能够为调度部门制定和调整计划提供可靠的参考数据，从而减轻了风电的间歇性对电网的影响。

公开(公告)号：CN102738792B

公开(公告)日：2014-07-16

申请号：CN201210194151.6

申请日：2012-06-13

Applicant: 华北电力大学(保定)

Inventor： 刘兴杰 ,  米增强 ,  岑添云 ,  石金玮 ,  梅华威 ,  余洋

IPC: H02J3/00 ,  G06F19/00

Abstract: 一种风电功率预测方法，所述方法首先从风电场中读取各个风电机组的风速和功率数据；然后根据各风电机组风速数据的分布特征对风电场的机组进行分组建模，并对建模后的各组风电机组的功率分别进行预测；最后将各组风电机组功率的预测结果叠加，得到整个风电场风电功率的预测值。本发明将数据分布特征引入功率预测，在传统风电功率预测模型基础上增加了机组分组模块。测试证明，所述方法在保证预测精度的同时，大大减少了预测所需的运算量，提高了预测速度，在风电功率预测方面具有较强的实用价值。

公开(公告)号：CN103324980B

公开(公告)日：2016-12-28

申请号：CN201310147943.2

申请日：2013-04-25

Applicant: 华北电力大学(保定)

Inventor： 刘兴杰 ,  米增强 ,  岑添云 ,  余洋 ,  梅华威

IPC: G06N3/08

Abstract: 一种风电场风速预测方法，所述方法首先采用模糊粗糙集方法对影响风电场风速的多种因素进行属性约简，去除冗余信息，得到神经网络预测模型的输入变量；然后采用加权欧氏距离进行改进的聚类方法提取相似性较高的数据作为神经网络预测模型的训练样本，并使用聚类后的数据训练各类预测模型；最后根据当前属性值选择匹配的预测模型来预测风速。本发明在传统神经网络预测模型的基础上，对模型输入变量与训练样本这两大影响神经网络预测性能的重要因素进行了优化，大大提高了模型的泛化能力。测试结果表明，本发明能大幅度提升神经网络的预测性能，有效地提高风电场风速预测精度。

公开(公告)号：CN103268416A

公开(公告)日：2013-08-28

申请号：CN201310187534.5

申请日：2013-05-20

Applicant: 华北电力大学(保定)

Inventor： 刘兴杰 ,  郑文书 ,  岑添云

IPC: G06F19/00

Abstract: 一种基于STCP-BP的风速预测方法，所述方法首先利用目标预测点盛行风向的上风向邻域点的风速及风向信息，建立时空相关性预测模型，得到目标预测点的风速预测值；然后运用目标预测点的历史风速数据建立BP神经网络直接多步预测模型，得到目标预测点的未来多步风速预测值；最后将两种预测值进行平均组合预测，得到目标预测点风速的直接多步预测值。本发明在传统神经网络预测方法的基础上加入了上风向观测点的风速信息，既考虑了风速演变的时空相关特性，又采用统计方法实现多步预测，大大提高了风电场风速的预测精度。所述方法能够为调度部门制定和调整计划提供可靠的参考数据，从而减轻了风电的间歇性对电网的影响。

公开(公告)号：CN103324980A

公开(公告)日：2013-09-25

申请号：CN201310147943.2

申请日：2013-04-25

Applicant: 华北电力大学(保定)

Inventor： 刘兴杰 ,  米增强 ,  岑添云 ,  余洋 ,  梅华威

IPC: G06N3/08

Abstract: 一种风电场风速预测方法，所述方法首先采用模糊粗糙集方法对影响风电场风速的多种因素进行属性约简，去除冗余信息，得到神经网络预测模型的输入变量；然后采用加权欧氏距离进行改进的聚类方法提取相似性较高的数据作为神经网络预测模型的训练样本，并使用聚类后的数据训练各类预测模型；最后根据当前属性值选择匹配的预测模型来预测风速。本发明在传统神经网络预测模型的基础上，对模型输入变量与训练样本这两大影响神经网络预测性能的重要因素进行了优化，大大提高了模型的泛化能力。测试结果表明，本发明能大幅度提升神经网络的预测性能，有效地提高风电场风速预测精度。

公开(公告)号：CN102738792A

公开(公告)日：2012-10-17

申请号：CN201210194151.6

申请日：2012-06-13

Applicant: 华北电力大学(保定)

Inventor： 刘兴杰 ,  米增强 ,  岑添云 ,  石金玮 ,  梅华威 ,  余洋

IPC: H02J3/00 ,  G06F19/00

Abstract: 一种风电功率预测方法，所述方法首先从风电场中读取各个风电机组的风速和功率数据；然后根据各风电机组风速数据的分布特征对风电场的机组进行分组建模，并对建模后的各组风电机组的功率分别进行预测；最后将各组风电机组功率的预测结果叠加，得到整个风电场风电功率的预测值。本发明将数据分布特征引入功率预测，在传统风电功率预测模型基础上增加了机组分组模块。测试证明，所述方法在保证预测精度的同时，大大减少了预测所需的运算量，提高了预测速度，在风电功率预测方面具有较强的实用价值。