-
公开(公告)号：CN105162147B
公开(公告)日：2018-06-26
申请号：CN201510394186.8
申请日：2015-07-07
申请人： 国网山东省电力公司电力科学研究院 , 国网冀北电力有限公司电力科学研究院 , 国家电网公司 , 山东鲁能软件技术有限公司
摘要： 本发明公开了一种平抑风电功率波动的混合储能控制系统及控制方法，包括功率平滑采集单元和混合储能协调控制单元，所述功率平滑采集单元实时获取风电机组功率，与风电机组功率输出期望值比较后，经过限幅处理后，发送至混合储能协调控制单元；混合储能协调控制单元根据功率偏差值进行卡尔曼自适应低通滤波获取风电机组功率输出值，第一模糊控制器输出为卡尔曼低通滤波器时间常数；第二模糊控制器获得卡尔曼低通滤波器输出功率和储能电池荷电状态SOC后，对混合储能系统功率输出值进行修正，经过限幅环节后储能电池和超级电容获取最优功率输出，避免电池过度充电或过度放电，以保证储能系统安全运行和风电功率波动最佳平抑效果。
-
公开(公告)号：CN108711847A
公开(公告)日：2018-10-26
申请号：CN201810425979.5
申请日：2018-05-07
申请人： 国网山东省电力公司电力科学研究院 , 山东中实易通集团有限公司 , 山东鲁能软件技术有限公司 , 国家电网公司
CPC分类号： H02J3/00 , H02J3/383 , H02J2003/007
摘要： 本发明公开了一种基于编码解码长短期记忆网络的短期风电功率预测方法，首先，使用基于E‑D的LSTM网络对功率进行AE处理，提取训练后的网络中间状态作为WP数据中时序关系的抽象表示；其次，合并前步中提取的网络中间状态与预测期的天气数据，将其输入到新的LSTM网络中，完成对风电功率的预测。与没使用AE预处理的多层LSTM网络方法相比，该方法通过利用AE过程中提取的WP时序关系信息降低了模型的错定(model misspecification)风险，提高了泛化能力，同时将时序特征与天气预测信息进行结合进一步提高了预测精度。
-
公开(公告)号：CN107239859A
公开(公告)日：2017-10-10
申请号：CN201710414757.9
申请日：2017-06-05
申请人： 国网山东省电力公司电力科学研究院 , 山东鲁能软件技术有限公司 , 国家电网公司
摘要： 本发明公开了一种基于串联长短期记忆循环神经网络的供热负荷预测方法，选取给定时间段的气温气候、供热量数据，构建样本数据集，对样本数据集中的输入数据和输出数据分别进行标准化处理；将输入数据分成两部分，使其分别进入两个独立的长短期记忆循环神经网络，然后对两个长短期记忆循环神经网络进行合并，输出数据再进入下一层长短期记忆循环神经网络，最后进入两个全连接层；对构建的串联长短期记忆循环网络进行训练，利用参数寻优的自适应矩估计算法进行优化；将待预测数据输入串联长短期记忆循环网络，计算得出供热负荷预测结果。本发明能够有效地甄别输入数据，加速学习速度，提高学习效率，提高预测精度。
-
公开(公告)号：CN107239859B
公开(公告)日：2018-05-08
申请号：CN201710414757.9
申请日：2017-06-05
申请人： 国网山东省电力公司电力科学研究院 , 山东鲁能软件技术有限公司 , 国家电网公司
摘要： 本发明公开了一种基于串联长短期记忆循环神经网络的供热负荷预测方法，选取给定时间段的气温气候、供热量数据，构建样本数据集，对样本数据集中的输入数据和输出数据分别进行标准化处理；将输入数据分成两部分，使其分别进入两个独立的长短期记忆循环神经网络，然后对两个长短期记忆循环神经网络进行合并，输出数据再进入下一层长短期记忆循环神经网络，最后进入两个全连接层；对构建的串联长短期记忆循环网络进行训练，利用参数寻优的自适应矩估计算法进行优化；将待预测数据输入串联长短期记忆循环网络，计算得出供热负荷预测结果。本发明能够有效地甄别输入数据，加速学习速度，提高学习效率，提高预测精度。
-
公开(公告)号：CN108711847B
公开(公告)日：2019-06-04
申请号：CN201810425979.5
申请日：2018-05-07
申请人： 国网山东省电力公司电力科学研究院 , 山东中实易通集团有限公司 , 山东鲁能软件技术有限公司 , 国家电网公司
摘要： 本发明公开了一种基于编码解码长短期记忆网络的短期风电功率预测方法，首先，使用基于E‑D的LSTM网络对功率进行AE处理，提取训练后的网络中间状态作为WP数据中时序关系的抽象表示；其次，合并前步中提取的网络中间状态与预测期的天气数据，将其输入到新的LSTM网络中，完成对风电功率的预测。与没使用AE预处理的多层LSTM网络方法相比，该方法通过利用AE过程中提取的WP时序关系信息降低了模型的错定(model misspecification)风险，提高了泛化能力，同时将时序特征与天气预测信息进行结合进一步提高了预测精度。
-
公开(公告)号：CN105162147A
公开(公告)日：2015-12-16
申请号：CN201510394186.8
申请日：2015-07-07
申请人： 国网山东省电力公司电力科学研究院 , 国网冀北电力有限公司电力科学研究院 , 国家电网公司 , 山东鲁能软件技术有限公司
摘要： 本发明公开了一种平抑风电功率波动的混合储能控制系统及控制方法，包括功率平滑采集单元和混合储能协调控制单元，所述功率平滑采集单元实时获取风电机组功率，与风电机组功率输出期望值比较后，经过限幅处理后，发送至混合储能协调控制单元；混合储能协调控制单元根据功率偏差值进行卡尔曼自适应低通滤波获取风电机组功率输出值，第一模糊控制器输出为卡尔曼低通滤波器时间常数；第二模糊控制器获得卡尔曼低通滤波器输出功率和储能电池荷电状态SOC后，对混合储能系统功率输出值进行修正，经过限幅环节后储能电池和超级电容获取最优功率输出，避免电池过度充电或过度放电，以保证储能系统安全运行和风电功率波动最佳平抑效果。
-
公开(公告)号：CN109886452A
公开(公告)日：2019-06-14
申请号：CN201910009512.7
申请日：2019-01-04
申请人： 国网山东省电力公司电力科学研究院 , 山东大学 , 山东鲁能软件技术有限公司 , 国家电网有限公司
发明人： 程艳 , 王士柏 , 杨明 , 孙树敏 , 苏建军 , 孟瑜 , 王楠 , 张兴友 , 王玥娇 , 滕玮 , 于芃 , 李广磊 , 魏大钧 , 王尚斌 , 刘守刚 , 王勃 , 赵元春 , 马嘉翼
摘要： 本发明公开了一种基于经验动态建模的风电功率超短期概率预测方法及系统，其中该方法包括：对待预测量时间序列进行标准正态化处理，并对标准正态化处理后的数据进行非线性聚合度计算，以考察给定的动态系统的非线性程度；采用粒子群优化算法，计算最优嵌入维数E和延迟时间τ；进一步地，对待预测量时间序列进行相空间重构；构建经验动态模型，在重构相空间内采用单纯形投影法对给定的动态系统进行预测，得到待预测量的预测结果。预测结果显示，采用基于经验动态建模的风电功率超短期概率预测方法可实现对风力发电动态过程完全依据数据的客观描述，显著提升了概率预测的有效性。
-
公开(公告)号：CN109978222B
公开(公告)日：2021-04-27
申请号：CN201910009520.1
申请日：2019-01-04
申请人： 国网山东省电力公司电力科学研究院 , 山东大学 , 山东鲁能软件技术有限公司 , 国家电网有限公司
发明人： 孙树敏 , 王士柏 , 赵岩 , 程艳 , 杨明 , 王楠 , 张兴友 , 王玥娇 , 滕玮 , 于芃 , 李广磊 , 魏大钧 , 王勃 , 赵元春 , 马嘉翼 , 王立峰 , 王尚斌 , 李洪海
摘要： 一种基于贝叶斯网络的风电爬坡事件概率预测方法及系统，根据所掌握的观测样本数据，挖掘风电爬坡事件与风速、风向、温度、气压、湿度等相关气象影响因子间的相依关系，搭建与样本数据拟合程度最高的贝叶斯网络拓扑结构；定量描述爬坡事件与各气象因子间的条件相依关系，估计贝叶斯网络各节点处的条件概率表内各项条件概率的取值，与贝叶斯网络拓扑结构共同组成风电爬坡事件预测的贝叶斯网络模型；由所掌握的预测时刻的数值天气预报信息，推断爬坡事件各状态发生的条件概率；自适应地调整各节点处相应条件概率的取值，从而优化推断出的爬坡事件各状态发生的条件概率结果，实现预测结果可靠性与敏锐性的折中。
-
公开(公告)号：CN109978222A
公开(公告)日：2019-07-05
申请号：CN201910009520.1
申请日：2019-01-04
申请人： 国网山东省电力公司电力科学研究院 , 山东大学 , 山东鲁能软件技术有限公司 , 国家电网有限公司
发明人： 孙树敏 , 王士柏 , 赵岩 , 程艳 , 杨明 , 王楠 , 张兴友 , 王玥娇 , 滕玮 , 于芃 , 李广磊 , 魏大钧 , 王勃 , 赵元春 , 马嘉翼 , 王立峰 , 王尚斌 , 李洪海
摘要： 一种基于贝叶斯网络的风电爬坡事件概率预测方法及系统，根据所掌握的观测样本数据，挖掘风电爬坡事件与风速、风向、温度、气压、湿度等相关气象影响因子间的相依关系，搭建与样本数据拟合程度最高的贝叶斯网络拓扑结构；定量描述爬坡事件与各气象因子间的条件相依关系，估计贝叶斯网络各节点处的条件概率表内各项条件概率的取值，与贝叶斯网络拓扑结构共同组成风电爬坡事件预测的贝叶斯网络模型；由所掌握的预测时刻的数值天气预报信息，推断爬坡事件各状态发生的条件概率；自适应地调整各节点处相应条件概率的取值，从而优化推断出的爬坡事件各状态发生的条件概率结果，实现预测结果可靠性与敏锐性的折中。
-
公开(公告)号：CN109886452B
公开(公告)日：2021-06-15
申请号：CN201910009512.7
申请日：2019-01-04
申请人： 国网山东省电力公司电力科学研究院 , 山东大学 , 山东鲁能软件技术有限公司 , 国家电网有限公司
发明人： 程艳 , 王士柏 , 杨明 , 孙树敏 , 苏建军 , 孟瑜 , 王楠 , 张兴友 , 王玥娇 , 滕玮 , 于芃 , 李广磊 , 魏大钧 , 王尚斌 , 刘守刚 , 王勃 , 赵元春 , 马嘉翼
摘要： 本发明公开了一种基于经验动态建模的风电功率超短期概率预测方法及系统，其中该方法包括：对待预测量时间序列进行标准正态化处理，并对标准正态化处理后的数据进行非线性聚合度计算，以考察给定的动态系统的非线性程度；采用粒子群优化算法，计算最优嵌入维数E和延迟时间τ；进一步地，对待预测量时间序列进行相空间重构；构建经验动态模型，在重构相空间内采用单纯形投影法对给定的动态系统进行预测，得到待预测量的预测结果。预测结果显示，采用基于经验动态建模的风电功率超短期概率预测方法可实现对风力发电动态过程完全依据数据的客观描述，显著提升了概率预测的有效性。
-
-
-
-
-
-
-
-
-
搜索结果
239 条记录 (耗时 0.085 秒)
