-
公开(公告)号：CN108268963B
公开(公告)日：2022-08-19
申请号：CN201611261697.3
申请日：2016-12-30
Applicant: 中国电力科学研究院 , 国家电网公司 , 国网冀北电力有限公司
Inventor： 孙荣富 , 朱想 , 周海 , 王东升 , 崔方 , 程序 , 于炳霞 , 王知嘉 , 周强 , 丁煌 , 陈卫东 , 王若阳 , 牧晶 , 王靖然 , 李登宣 , 彭佩佩 , 居蓉蓉 , 丛从
Abstract: 本发明提供了一种自修正检验的光伏功率短期预测方法，该方法包括：近地面短波辐射的预测、数据整编、辐射‑功率关系率定、模型再训练检验的判定和短期功率预测的输出。本发明提供的方法解决了光伏电站数据质量较差情况下的光伏短期功率预测的问题，如缺少实测气象监测数据，光伏电站气象条件突变，光伏组件附尘等情况。本发明提供的技术方案只需将高精度的数值天气预报WRF模式生产的近地面短波辐射和光伏电站的实测功率数据做为预测模型的输入，再通过一系列的矫正和预测评估，逐次优化，提高了光伏短期预测模型的精度。实验结果表明，该算法具有很好的普适性，能够很好的用于不同区域光伏电站的光伏短期功率的预测。
-
公开(公告)号：CN106709587B
公开(公告)日：2021-03-02
申请号：CN201510777557.0
申请日：2015-11-13
Applicant: 中国电力科学研究院 , 国家电网公司 , 国网山西省电力公司电力科学研究院 , 国网山西省电力公司
Inventor： 于炳霞 , 谭志萍 , 周海 , 崔方 , 程序 , 丁杰 , 王知嘉 , 朱想 , 丁煌 , 陈志宝 , 周强 , 陈卫东 , 居蓉蓉 , 彭佩佩 , 何洁琼 , 雷达 , 肖莹 , 李惠蓬 , 杜慧杰
Abstract: 本发明提供一种基于常规天气预报的直接辐射预测方法，根据天气类型分类算法，采用优选的统计方法将天气类型分类，得到天气类型分类模型；根据天气类型分类模型及历史直接辐射数据，建立天气类型曲线模型；根据天气类型曲线模型及输入常规天气预报数据，建立直接辐射预测模型，得到未来24小时的直接辐射预测数据。本发明提出的方法克服了季节变化对于直接辐射预测的影响，解决了直接辐射数据缺失问题及获得更准确的直接辐射数据，能够精确的对光热电站未来24小时的直接辐射进行预测；其计算精确高且所需的计算资源较少，且能取得较好的预测效果，为光热电站的发电功率预测提供了数据基础；进而保证了光热电站的正常运行。
-
公开(公告)号：CN106779130B
公开(公告)日：2021-01-15
申请号：CN201510812329.2
申请日：2015-11-20
Abstract: 本发明提供一种基于全天空云图的光伏电站辐射预测方法，根据光伏电站的晴空的历史辐射数据，建立晴空辐射模型；利用全天空云图，得到其在未来时间段内的不同厚度云团运动向量和云状变化趋势；获取云团中太阳强度；建立超短期辐射预测模型，对光伏电站未来时间段内的辐射进行预测。本发明提出的方法准确且有效，在保证基础天气类型的预测数据输出的基础上，能够准确预测出未来时段的辐射；实现了精确的预测出未来一定时间内云团移动情况，以及由于各种云团遮挡太阳辐射所造成的辐射衰减情况，进而能够精确的对光伏电站未来时段的辐射进行预测，为电力调度提供准确且有效的决策支持，进而降低电力系统运行成本，获得更大的经济效益和社会效益。
-
公开(公告)号：CN105783861B
公开(公告)日：2018-08-28
申请号：CN201410802477.1
申请日：2014-12-22
IPC: G01C5/00
Abstract: 本发明提出了一种基于双地基云图的云团高度测量方法，包括如下步骤：A、确定双成像仪之间的相对距离和相对方向；B、识别双成像仪云图中的相同云团，并提取相同云团的位置信息；C、基于位置信息确定云团高度。该测量方法利用双地基云成像仪的观测图像，通过相同云团识别、位置角度提取等算法，能够准确计算局地上空各云团的云底高度。与常规云高仪只能测量仪器正上方云底高度相比，本方法不仅能够得到成像仪正上方的云高，还能得到成像仪观测范围内其他位置的云高，因此具有覆盖范围广、计算精度高的优点。
-
公开(公告)号：CN108268963A
公开(公告)日：2018-07-10
申请号：CN201611261697.3
申请日：2016-12-30
Applicant: 中国电力科学研究院 , 国家电网公司 , 国网冀北电力有限公司
Inventor： 孙荣富 , 朱想 , 周海 , 王东升 , 崔方 , 程序 , 于炳霞 , 王知嘉 , 周强 , 丁煌 , 陈卫东 , 王若阳 , 牧晶 , 王靖然 , 李登宣 , 彭佩佩 , 居蓉蓉 , 丛从
Abstract: 本发明提供了一种自修正检验的光伏功率短期预测方法，该方法包括：近地面短波辐射的预测、数据整编、辐射-功率关系率定、模型再训练检验的判定和短期功率预测的输出。本发明提供的方法解决了光伏电站数据质量较差情况下的光伏短期功率预测的问题，如缺少实测气象监测数据，光伏电站气象条件突变，光伏组件附尘等情况。本发明提供的技术方案只需将高精度的数值天气预报WRF模式生产的近地面短波辐射和光伏电站的实测功率数据做为预测模型的输入，再通过一系列的矫正和预测评估，逐次优化，提高了光伏短期预测模型的精度。实验结果表明，该算法具有很好的普适性，能够很好的用于不同区域光伏电站的光伏短期功率的预测。
-
Patent Agency Ranking
公开(公告)号：CN103268572B
公开(公告)日：2016-07-06
申请号：CN201310161935.3
申请日：2013-05-06
Applicant: 国家电网公司 , 甘肃省电力公司 , 甘肃省电力公司风电技术中心 , 中国电力科学研究院
IPC: G06Q50/06
Abstract: 本发明公开了一种千万千瓦级大型风电基地测风网络的微观选址方法，主要包括：a、绘制多年平均风速的分布图；b、通过多个测站多年的年平均风速资料经验正交函数分解，分析大型风电基地所在区域风速的时空分布特征；c、基于上述分析所得大型风电基地所在区域风速的时空分布特征，划分风速变化一致的典型区域；d、应用CFD模型软件计算微尺度风流参数，确定合适的选址位置。本发明所述千万千瓦级大型风电基地测风网络的微观选址方法，可以克服现有技术中缺乏气候资源诊断分析等缺陷实现宏观分析和微观选址相结合的优点。
-
公开(公告)号：CN102938562B
公开(公告)日：2015-07-08
申请号：CN201210250429.7
申请日：2012-07-19
IPC: H02J3/00
CPC classification number: Y02A30/12
Abstract: 本发明属于风力发电功率预测技术领域，涉及一种面向区域内风电总功率的预测方法。该方法包括：A）在区域内选择代表风电场，并进一步获取各代表风电场的输出功率预测值；B）通过径向基函数神经网络建立映射模型，并根据各代表风电场的输出功率预测值计算出区域内风电总功率预测值；C）输出区域内风电总功率预测值。该预测方法具有使用操作方便、输入输出简单、预测准确度高、误差小，可扩展性好、运用灵活等优点，当代表风电场的预测功率已知，可直接通过映射模型计算出区域内风电总功率预测值；当代表风电场的预测功率未知，可将映射模型接入代表风电场，通过代表风电场的NWP数据来驱动模型，进一步计算出区域内风电总功率预测值。
-
公开(公告)号：CN104376388A
公开(公告)日：2015-02-25
申请号：CN201410745990.1
申请日：2014-12-08
Abstract: 本发明提供一种基于风速因子控制模型的风电超短期功率预测方法，包括以下步骤：利用ARIMA模型进行超短期功率预测；利用BP神经网络模型进行超短期功率预测；通过风速因子控制模型完成风电超短期功率预测。本发明提供的基于风速因子控制模型的风电超短期功率预测方法，能够在评价ARIMA模型和BP神经网络模型的基础上，针对运行环境对上述两个模型进行切换，从而提高风电超短期功率预测的准确性。
-
公开(公告)号：CN104217259A
公开(公告)日：2014-12-17
申请号：CN201410475672.8
申请日：2014-09-17
CPC classification number: Y04S10/54
Abstract: 本发明涉及一种区域地表辐照度分布预测方法，用于确定未来1小时内分钟级地表辐照度区域分布预测；所述方法包括以下步骤：局地云底高度的确定；地基云图图像处理；区域地表辐照度分布预测。本发明提出了利用地面常规气象观测数据计算云底高度，结合地基云图数据，实现局地范围内地表辐射及光伏功率预测，摆脱了传统方法对云底高度观测的依赖性，提高了在无云高仪条件下云团位置和大小的计算准确性，以及光伏电站光伏电站水平面总辐照度预测准确度。
-
公开(公告)号：CN104182938A
公开(公告)日：2014-12-03
申请号：CN201410406529.3
申请日：2014-08-18
IPC: G06T5/00
Abstract: 本发明提供一种全天空云图的太阳光斑修复方法，包括以下步骤：对全天空云图的太阳光斑进行定位；通过计算太阳光斑阈值因子，将太阳光斑去除；利用双线性插值法对太阳光斑对应的区域进行修复。本发明提供的全天空云图的太阳光斑修复方法，该方法具有很好的普适性，能够很好的对全天空云图的太阳光斑进行修复。
-
-
-
-
-
-
-
-
-
Search Results
393
records
(took 0.123 seconds)
