-
公开(公告)号：CN107506949B
公开(公告)日：2021-01-26
申请号：CN201710935988.4
申请日：2017-10-10
申请人： 甘肃省电力公司风电技术中心 , 清华大学 , 国网甘肃省电力公司 , 国家电网公司
摘要： 本发明提出的一种光伏数据聚类方法是根据包含总辐照度时序差分序列方差的辐照度的特征指标体系设置神经网络的聚类类别，使用样本对聚类模型进行训练后，对采集的光辐照度进行聚类。该方法获取聚类结果的数据规律性强，可以满足高精度的短期光伏功率预测的目的。
-
公开(公告)号：CN104112236B
公开(公告)日：2018-04-27
申请号：CN201410231145.2
申请日：2014-05-29
申请人： 国家电网公司 , 国网甘肃省电力公司 , 甘肃省电力公司风电技术中心 , 清华大学
IPC分类号： G06Q50/06
CPC分类号： F03D7/00 , F03D7/028 , F03D7/048 , F03D17/00 , F05B2260/821 , F05B2270/335 , Y02E10/723
摘要： 本发明涉及一种风电场发电功率的计算方法，包括以下步骤：对所有标杆风机的功率序列进行基于经验正交函数分解，得到空间向量；对空间向量还原得到各标杆风机的典型功率序列；按照对应馈线上的开机数对各标杆风机典型功率进行比例放大，得到标杆风机所在馈线总的功率；对所有标杆风机进行叠加得到整个风电场的功率。
-
公开(公告)号：CN108133279B
公开(公告)日：2020-12-22
申请号：CN201710757703.2
申请日：2017-08-29
申请人： 甘肃省电力公司风电技术中心 , 国网甘肃省电力公司 , 国家电网公司 , 清华大学
摘要： 本发明涉及一种风电功率概率预测的方法，包括：获取风电场历史数据的统计特征；将历史预测功率和风电场的NWP预测结果的风速波动量序列相结合，形成概率预测的影响因子，并将影响因子划分为多个互不相交的子集；以所述风电场历史数据的统计特征作为输入，通过随机森林算法对次日的误差水平进行分类预测，获得分类预测结果；根据所述分类预测结果，以及预测时所处的历史预测功率和NWP预测结果的风速波动量所在的子集，计算误差的概率密度函数，获得误差随机变量；以及根据风电场的风电功率NWP预测结果以及所述误差随机变量，获得风电功率概率预测结果。该方法具有更好的预测效果。本发明还提供一种计算机可读存储介质及计算机设备。
-
公开(公告)号：CN108133279A
公开(公告)日：2018-06-08
申请号：CN201710757703.2
申请日：2017-08-29
申请人： 甘肃省电力公司风电技术中心 , 国网甘肃省电力公司 , 国家电网公司 , 清华大学
摘要： 本发明涉及一种风电功率概率预测的方法，包括：获取风电场历史数据的统计特征；将历史预测功率和风电场的NWP预测结果的风速波动量序列相结合，形成概率预测的影响因子，并将影响因子划分为多个互不相交的子集；以所述风电场历史数据的统计特征作为输入，通过随机森林算法对次日的误差水平进行分类预测，获得分类预测结果；根据所述分类预测结果，以及预测时所处的历史预测功率和NWP预测结果的风速波动量所在的子集，计算误差的概率密度函数，获得误差随机变量；以及根据风电场的风电功率NWP预测结果以及所述误差随机变量，获得风电功率概率预测结果。该方法具有更好的预测效果。本发明还提供一种计算机可读存储介质及计算机设备。
-
公开(公告)号：CN104112180B
公开(公告)日：2018-04-10
申请号：CN201410248688.5
申请日：2014-06-06
申请人： 清华大学 , 国家电网公司 , 国网甘肃省电力公司 , 甘肃省电力公司风电技术中心
摘要： 本发明提供一种风资源数值的获取方法，包括以下步骤：获取风场的实测资料并构建初始风场；设定模型参数,固定α1的数值为1，利用长时间风速序列基于经验正交函数分解的空间分量数值关系作为衡量标准，以各个测风塔的主导风向分析结果作为风向诊断效果的参考,确定α2；对初始风场进行调整，使风场在整个空间内满足质量守恒方程，并且总调整量最小。
-
公开(公告)号：CN107067099A
公开(公告)日：2017-08-18
申请号：CN201710055611.X
申请日：2017-01-25
申请人： 清华大学 , 甘肃省电力公司风电技术中心 , 国网甘肃省电力公司 , 国家电网公司
摘要： 本发明涉及一种风电功率概率预测方法及装置，所述方法包括：根据历史输出功率以及历史预测功率，获取风电场预测误差的统计特征；根据历史预测功率和风电场的NWP预测结果的风速波动量，获得风电概率预测的条件全集；通过K‑means聚类算法，将条件全集划分为若干条件子集；对处在每个条件子集下的误差集合形成条件经验分布，并检验其数字特征与风电场预测误差的统计特征中数字特征是否重合；若重合则通过K‑means聚类算法再次进行聚类；以及根据各时刻的风电功率预测结果以及条件经验分布，获得风电功率概率预测结果。本发明还涉及一种预测装置。本发明提供的风电功率概率预测方法能够差异性地提供误差分布函数，具有更高的预测准确度。
-
公开(公告)号：CN104112167B
公开(公告)日：2017-06-23
申请号：CN201410248840.X
申请日：2014-06-06
申请人： 国家电网公司 , 国网甘肃省电力公司 , 甘肃省电力公司风电技术中心 , 清华大学
CPC分类号： Y02A90/15
摘要： 本发明提供一种可发电风资源分布的获取方法，主要包括以下步骤：步骤S10，获取每个测风塔前6个小时的历史风速数据；步骤S20，在每个整小时点根据前6小时的风速数据相关性对测风塔进行聚类；步骤S30，假设该风电基地共有N座测风塔，计算待求点与所有测风塔的地理距离；步骤S40，找到最小的测风塔；步骤S50，根据步骤S20和步骤S40的计算结果，确定测风塔所在组别中的其他测风塔；步骤S60，对选取的测风塔用反距离加权方法插值得到未知点的风速风向估计值。
-
公开(公告)号：CN108108871A
公开(公告)日：2018-06-01
申请号：CN201711098785.0
申请日：2017-11-09
申请人： 甘肃省电力公司风电技术中心 , 清华大学 , 国网甘肃省电力公司 , 国家电网公司
摘要： 本发明涉及一种风电场群输电设备的选型方法，所述方法包括：获取最近M年风电出力的分布模型；根据最近M年最近M年风电出力的分布模型，计算风电场群输电设备的高风速截尾风险；获取基于高风速截尾风险和输变电损耗的风电场群输电设备的评价指标，根据评价指标选择风电场群输电设备。该方法能够提高风电场群的经济性。
-
公开(公告)号：CN107506949A
公开(公告)日：2017-12-22
申请号：CN201710935988.4
申请日：2017-10-10
申请人： 甘肃省电力公司风电技术中心 , 清华大学 , 国网甘肃省电力公司 , 国家电网公司
摘要： 本发明提出的一种光伏数据聚类方法是根据包含总辐照度时序差分序列方差的辐照度的特征指标体系设置神经网络的聚类类别，使用样本对聚类模型进行训练后，对采集的光辐照度进行聚类。该方法获取聚类结果的数据规律性强，可以满足高精度的短期光伏功率预测的目的。
-
公开(公告)号：CN103489037B
公开(公告)日：2016-05-18
申请号：CN201310278836.3
申请日：2013-07-04
申请人： 清华大学 , 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
摘要： 本发明涉及一种可发电风资源的预测方法，包括以下步骤：以复相关系数为筛选依据，通过遍历所有可用测风序列的各种组合，以计算可用测风序列与平均风速序列的复相关系数，按照最大复相关系数选择模型输入，实现对可用测风序列的初步筛选，得到多维的有效测风序列；以典型相关分析方法为理论基础，对多维的有效测风序列进一步提取，将多维的测风序列降至一维；以及以降维后的测风序列作为模型输入，以风场平均风速作为模型输出，采用基于遗传算法的BP神经网络模型训练得到映射模型，最终将该映射模型应用于实时输入测风序列，实现可发电风资源的预测。本发明能够进一步提高可发电风资源的预估精度。
-
-
-
-
-
-
-
-
-
搜索结果
228 条记录 (耗时 0.105 秒)
