公开(公告)号：CN107169612A

公开(公告)日：2017-09-15

申请号：CN201710473103.3

申请日：2017-06-21

Applicant: 南京信息工程大学

Inventor： 彭丽霞 ,  杜杰 ,  孙泓川 ,  王雷 ,  陆金桂 ,  曹一家 ,  朱伟军 ,  曾刚

IPC: G06Q10/04 ,  G06N3/08 ,  G06N3/00 ,  G06Q50/06

CPC classification number: G06Q10/04 ,  G06N3/006 ,  G06N3/084 ,  G06Q50/06

Abstract: 本发明公开了一种基于神经网络的风电机有功功率预测及误差订正方法，首先采用小波功率谱分析方法，提取风电机有功功率时间序列中隐含的显著周期序列并分离得到残差序列，然后分别对显著周期序列和残差序列采用神经网络模型进行预测，其中显著周期序列采用基于粒子群算法优化并叠加误差订正的BP神经网络进行预测，残差序列采用粒子群算法优化并叠加误差订正的RBF神经网络进行预测，由显著周期序列和残差序列的预测结果可以获得最终风电机有功功率预测结果。本发明实现了对风电场内每台风电机有功功率进行精细化预报，从而可以有效提高整个风电场的短期出力预报水平。

公开(公告)号：CN107203827A

公开(公告)日：2017-09-26

申请号：CN201710473063.2

申请日：2017-06-21

Applicant: 南京信息工程大学

Inventor： 杜杰 ,  彭丽霞 ,  孙泓川 ,  王雷 ,  陆金桂 ,  曹一家 ,  朱伟军 ,  曾刚 ,  刘丽珠

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F17/14

CPC classification number: G06Q10/04 ,  G06F17/148 ,  G06Q50/06

Abstract: 本发明公开了一种基于多尺度分析的风电机风速预测优化方法，其主要技术在于基于多尺度分析的原理，采用小波功率谱分析技术，提取风电机测量风速时间序列中隐含的显著周期序列并分离得到残差序列，采用基于粒子群算法优化的RBF神经网络对显著周期序列和残差序列分别进行预测，由显著周期序列和残差序列的预测结果可以获得最终风电机风速预测结果。本发明实现了对风电场内每台风电机的测量风速进行精细化预报，从而有效提高整个风电场的短期出力预报水平。