-
公开(公告)号：CN110942170A
公开(公告)日：2020-03-31
申请号：CN201910805485.4
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信息处理的短期风速预测方法及系统。该方法包括：获取风电场相关环境因素和历史风速数据；计算所述环境因素与风速序列之间的平均影响值，获取与模型输出相关性高的序列作为输入因素；利用能量差法及PSOEO算法优化变分模态分解方法，对所述历史风速序列进行分解，将所述非平稳的风速序列转化为相对平稳的若干分量；利用PSOEO算法优化径向基函数神经网络，获取优化后的风速预测模型；利用所述优化模型，对所述分量序列进行预测，获取所有分量预测结果；累加计算所述分量预测结果，获取最终风速预测结果。本发明的预测方法及系统基于数据处理和方法优化角度进行短期风速预测，能够有效提高风速预测精度以及预测模型的稳定性。
-
公开(公告)号：CN104504466B
公开(公告)日：2018-03-16
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。
-
公开(公告)号：CN107392379A
公开(公告)日：2017-11-24
申请号：CN201710614032.4
申请日：2017-07-25
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种基于Lorenz扰动的时间序列风速预测方法，属于风力发电领域。本发明充分考虑大气动力系统中的大气扰动对风速预测的影响，提出一种基于Lorenz扰动的小波分解时间序列风速预测方法，并用西班牙和中国两种不同气候类型下的风电场数据进行仿真实验探究不同初始值的Lorenz方程的扰动效果。实验结果证明，本发明的风速预测方法显著提高了风速的预测精度，能够有效地促进风电产业的发展。
-
公开(公告)号：CN107358006A
公开(公告)日：2017-11-17
申请号：CN201710613264.8
申请日：2017-07-25
Applicant: 华北电力大学(保定)
CPC classification number: G06F17/5009 , G06K9/6269 , G06Q10/04
Abstract: 本发明公开了一种基于主成分分析的Lorenz扰动风速预测方法，属于发电技术领域。本发明是根据原始数据进行主成分分析，再利用最小二乘支持向量机(LS-SVM)模型对主成分和风速数据进行风速预测，最后利用Lorenz大气扰动序列对风速的初步预测值进行修正，以提高风速的预测水平。仿真结果显示，在风速预测过程中充分考虑大气系统的扰动影响，显著提高了风速的预测精度。本发明弥补了风速预测领域对大气系统的忽视作用，有助于风电并网的稳定性和风资源的大规模开发利用。
-
公开(公告)号：CN103472362A
公开(公告)日：2013-12-25
申请号：CN201310434524.7
申请日：2013-09-23
Applicant: 华北电力大学(保定)
IPC: G01R31/08
Abstract: 一种电力系统WAMS信息内嵌故障特征提取方法，它包括以下步骤：a.从电力系统WAMS信息中选择初始变量，如果样本方差没有显著差别，则转步骤b，否则，转步骤c；b.计算初始变量的相关系数矩阵，并计算协方差矩阵的特征值和单位化特征向量，转步骤d；c.计算初始变量的协方差矩阵，并计算协方差矩阵的特征值和单位化特征向量，转步骤d；d.如果特征值接近于零，则转步骤a，重新选择初始变量，否则转步骤e；e.由单位化特征向量，确定主成分的最终结果；f.根据主成分节点系数来定位故障元件。本发明具有很强的抗干扰能力，能够满足系统冗余性的要求，并能够满足广域后备保护系统对故障定位实时性和准确性的要求。
-
Patent Agency Ranking
公开(公告)号：CN104502800A
公开(公告)日：2015-04-08
申请号：CN201410780671.4
申请日：2014-12-17
Applicant: 华北电力大学(保定)
IPC: G01R31/08
Abstract: 一种电力系统故障因子特征提取方法，所述方法包括以下步骤：a.选择初始变量，若样本方差小于设定的阈值，则转步骤b，否则，转步骤c；b.计算初始变量的相关系数矩阵的特征值和单位化特征向量；c.计算初始变量的协方差矩阵及协方差矩阵的特征值和单位化特征向量；d.如果特征值小于设定的阈值，则转步骤a，否则转步骤e；e.计算初始变量的公因子和因子载荷矩阵；f.将公因子进行正交旋转或斜交旋转；g.根据公因子的系数特征和公因子的得分特征来判断故障元件。本发明从WAMS系统中的实时量测信息中提取电力系统的故障因子特征，不仅能够满足广域后备保护系统对故障定位实时性和准确性的要求，而且具有很强的抗干扰能力。
-
公开(公告)号：CN110543929B
公开(公告)日：2023-11-14
申请号：CN201910805484.X
申请日：2019-08-29
Applicant: 华北电力大学(保定)
IPC: G06F30/28 , G06F30/27 , G06N3/006 , G06N3/0442 , G06F18/10 , G06F18/214 , G06F18/21 , G01P5/00 , G06F111/06 , G06F111/04 , G06F111/10 , G06F113/08 , G06F119/14 , G06F123/02
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：CN116596102A
公开(公告)日：2023-08-15
申请号：CN202211480804.7
申请日：2022-11-24
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种带有数据预处理和模型优化的风速变频混合预测系统，包含点预测和区间预测在内的提前小时混合风速预测系统，以提高对风能波动风险的可预见性。在点预测设计框架中，高分辨率数据先均化为小时数据，并应用WSTD算法进行数据去噪，减弱噪声影响。随后由eXtremeGradientBoosting(xgboost)算法优化包含高分辨率数据在内的输入特征，以便在考虑细节波动信息的同时提高模型学习效率。之后基于模型选择原则(MSP)从由贝叶斯算法(BO)优化的模型选择池中选定最优子模型，最后引入分段误差修正法得到最终的点预测结果，并基于误差预测序列和修正结果构造预测区间。本发明构建了包含点预测和区间预测在内的提前小时混合风速预测系统，以提高对风能波动风险的可预见性。
-
公开(公告)号：CN109583588B
公开(公告)日：2021-09-10
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：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。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.031 seconds)
