“多步风”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果590240个，建议您升级VIP下载更多相关专利

[发明专利]一种多模型多特征融合的高速铁路沿线风速预测方法-CN201611020632.X有效
发明人：刘辉;李燕飞 -专利权人：中南大学
申请日： 2016-11-14 - 公布日： 2017-10-13 - 主分类号： G06N99/00 文献下载
摘要：本发明公开了一种多模型多特征融合的高速铁路沿线风速预测方法，该方法包括以下步骤1.在该测风站位置周围安装5个辅助测风站；2.将原始风速数据用交互多模型卡尔曼滤波法进行处理；步骤3利用滤波后的数据进行小波处理，并对小波处理后的低频数据构建预测子模型；步骤4将空间‑目标测风站超前多步预测模型、自我‑目标测风站超前多步预测模型以及气象‑目标测风站超前多步预测模型获得的目标测风站超前多步预测值和天气预报目标测风站风速预测值输入贝叶斯组合模型，获取最终的目标测风站预测值；本发明能不仅能避免单一测风站硬件故障造成的数据中断，而且能给恶劣风环境下的高速铁路安全行车提供更长的应急处理时间。
一种模型特征融合高速铁路沿线风速预测方法

[发明专利]一种超短期风速预测方法-CN202211696874.6在审
发明人：陈学君;王小勇;张海韬;刘抗;邸燕君;达选芳;闫晓敏;潘卓卓 -专利权人：陈学君
申请日： 2022-12-28 - 公布日： 2023-05-12 - 主分类号： G06Q10/04 文献下载
摘要：该方法包括：采集并对风电场测风塔的测风数据进行质量控制和滤波去噪，以得到目标测风数据序列；将目标测风数据序列划分为风速建模序列和测试序列；对风速建模序列进行聚类处理，以得到不同类别的训练数据集；根据训练数据集的不同类别分别建立基于极限学习机的多步预测模型，进行多步风速预测，输出预测序列。本发明可实现多步风速预测，有效提高了测风数据的预测精度。
一种短期风速预测方法

[发明专利]一种超短期风电场功率多步区间预测模块化方法及其设备-CN202310130220.5在审
发明人：胡阳;李倩;姚欣然;房方;刘吉臻 -专利权人：华北电力大学
申请日： 2023-02-17 - 公布日： 2023-05-05 - 主分类号： G06Q10/04 文献下载
摘要：超短期风电场功率多步区间预测模块化方法及其设备，包括如下步骤：获取风电场地理位置信息，并以一定采样间隔完成对风电场历史运行数据的采集与存储；基于风电场地理信息和历史运行数据，综合地实现风电场特征风机选择，并在此基础上获得风电场多元特征风况；基于风电场特征风况选择结果，通过不同的时间有限差分直接时间序列建模策略，实现特征风电机组风况的超短期多步预测，建立多步区间预测模型；定义有限差分运行域，并实现有限差分运算空间的凸划分；实现全局时间有限差分‑机器学习风电场集总发电特性建模；基于所建立的特征风况预测模型和风电场集总发电特性模型，基于滚动预测机制，实现风电场超短期多步区间预测。
一种短期电场功率区间预测模块化方法及其设备

[发明专利]一种风功率时间序列组合预测方法-CN201510056776.X有效
发明人：陈星莺;蒋宇;姚建国;余昆;廖迎晨 -专利权人：河海大学;国家电网公司;江苏省电力公司;中国电力科学研究院
申请日： 2015-02-03 - 公布日： 2018-05-04 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种风功率时间序列组合预测方法，该方法基于直接多步预测法和滚动多步预测法对风电场的日前风功率进行组合预测。本发明能够有效提高风功率预测方法的日前预测精度，解决了目前工程风功率短期预测技术存在风功率预测效果差的问题，能够为电网企业节约巨额的备用发电容量购买费用，提升电网企业运营效益，同时可以有效减少弃风电量，提升风电有效并网容量，为发电企业带来巨额利润，促进节能减排。
一种功率时间序列组合预测方法

[发明专利]一种高速铁路沿线风速多点多层耦合预测方法-CN201611023996.3有效
发明人：刘辉;李燕飞 -专利权人：中南大学
申请日： 2016-11-14 - 公布日： 2018-03-20 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种高速铁路沿线风速多点多层耦合预测方法，该方法包括以下步骤1.在目标测风站位置周围安装5个辅助测风站；2.将原始风速数据进行滤波和分解后，再进行小波降噪；3.信号求和重构；4.选取与目标测风站显著性较高的m个辅助测风站；5.对所选辅助测风站各频层子序列的各PF分量分别建立预测模型；6.以选出的m个辅助测风站的各频层的PF分量为输入，以目标测风站的各频层的PF分量为输出，采用GA优化的RBF神经网络进行训练；7.利用m个辅助测风站的超前多步预测值，得到目标测风站的超前多步风速预测值。本发明能对铁路沿线风速进行高精度超前多步预测用于高速铁路强风环境下的列车有效调度指挥，并能避免单一测风站硬件故障造成的数据中断。
一种高速铁路沿线风速多点多层耦合预测方法

[发明专利]一种风电机组自由入流风速预测方法-CN202111372517.X在审
发明人：李国庆;刘美岑;杨政厚;王雪璐;赵登峰;张运泽;杜洋;刘吉辰;韩健;岳红轩;蒋成文 -专利权人：华能新能源股份有限公司;北京华能新锐控制技术有限公司
申请日： 2021-11-18 - 公布日： 2022-04-12 - 主分类号： G06Q10/04 文献下载
摘要：一种风电机组自由入流风速预测系统，能够成功预测出风电机组的自由入流风速，采用深度学习神经网络算法，建立上游风电机组群机舱风速与下游选定风电机组激光雷达测量风速之间的非线性映射模型，根据实测上游风电机组风速，以及所得的非线性映射模型，将预测值作为输入构建多步滚动预测模型，对下游风电机组自由入流风速进行多步滚动预测；对来流风速的准确获取，优化了机组的控制性能，保障了机组安全高效地运行，提高了机组的发电效益。
一种机组自由入流风速预测方法

[发明专利]一种风功率短期多步预测方法及装置-CN201910728299.5在审
发明人：徐金玉;李柠 -专利权人：上海交通大学
申请日： 2019-08-08 - 公布日： 2019-10-25 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种风功率短期多步预测方法及装置，该方法包括：对获取的一段时间内的历史风功率数据进行预处理，以得到历史风功率序列；以所述历史风功率序列对长短期记忆网络进行训练，得到预测模型；利用所述预测模型进行预测，得到预测的风功率数据；将预测的风功率数据加入到所述历史风功率序列中以得到新的风功率序列，根据新的风功率序列建立新的预测模型并预测新的风功率数据。本发明将预测的风功率数据加入到历史风功率序列中以得到新的风功率序列，根据新的风功率序列建立新的预测模型并预测新的风功率数据，提高了多步风功率预测的精度。
风功率预测模型预测多步预测预处理记忆网络

[发明专利]基于自适应神经模糊推理系统的风电功率实时高精度预测方法-CN201510382594.1在审
发明人：杨茂;齐玥 -专利权人：东北电力大学
申请日： 2015-06-29 - 公布日： 2015-09-23 - 主分类号： G06Q10/04 文献下载
摘要：基于自适应神经模糊推理系统的风电功率实时高精度预测方法，属于风电技术领域，其特征在于首先设计实验方案，对数据进行采集及处理，建立多步滚动预测模式，构建基于自适应神经模糊推理系统(ANFIS)的风电功率预测模型，最后对预测精度进行评价，达到提供一种基于数据的、具有自学能力的、满足实时预测精度要求的风电功率多步滚动实时预测方法的目的。基于自适应神经模糊推理系统的风电功率实时高精度预测方法预测结果非常接近真实值，预测结果有效，预测精度高，可操作性强。
基于自适应神经模糊推理系统电功率实时高精度预测方法

[发明专利]风电功率多步预测方法、装置、计算机设备及存储介质-CN202310918374.0在审
发明人：卓毅鑫;蒙文川;唐健;韦恒;黄馗;詹厚剑;秦意茗;胡甲秋;饶志;黎立丰;杨再敏;孙思扬;李爽;席云华 -专利权人：广西电网有限责任公司;南方电网能源发展研究院有限责任公司
申请日： 2023-07-25 - 公布日： 2023-10-24 - 主分类号： H02J3/00 文献下载
摘要：本申请涉及神经网络领域，特别是涉及一种风电功率多步预测方法、装置、计算机设备和存储介质，所述方法包括：获取待测风电场的历史风电负荷数据集，所述历史风电负荷数据集包括历史风电功率和历史天气特征；基于所述历史天气特征与所述历史风电功率的相关系数，选择所述历史天气特征中的目标天气特征；将所述历史风电功率和目标天气特征作为样本对CNN‑RNN‑LGBM模型进行训练，以优化所述CNN‑RNN‑LGBM模型的超参数，直到获得最优组合模型；基于所述待测风电场在目标时序段的风电负荷数据集，利用所述最优组合模型进行风电功率的多步预测。本发明提升风电功率的预测精度。
电功率预测方法装置计算机设备存储介质

[实用新型]一种动态多步风机-CN202221019792.3有效
发明人：彭波;常翠;万昌永 -专利权人：青岛海岚环境设备有限公司
申请日： 2022-04-29 - 公布日： 2022-09-02 - 主分类号： F04D25/10 文献下载
摘要：本实用新型公开一种动态多步风机，包括若干个风筒，风筒内均装配连接有轴流风机；动态多步风机还包括固定装配若干个所述风筒的安装架；动态多步风机还包括气流导向组件，气流导向组件包括分别转动连接在风筒出风口部位的气流调节盘
一种动态风机

[发明专利]基于多模态多任务的Transformer网络的风电功率多步预测方法-CN202111403178.7在审
发明人：何怡刚;汪磊;邵凯旋;江雪;杨宗礼 -专利权人：宁波力斗智能技术有限公司
申请日： 2021-11-24 - 公布日： 2022-03-01 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于多模态多任务的Transformer网络的风电功率多步预测方法，属于电力系统规划领域，包括：设计深度的M2TNet预测模型；收集K种多源异构数据并利用最大信息系数分析进行变量选择，选出S种优选变量；对优选变量进行归一化处理，划分训练集和测试集；采用人工经验和网格搜索的方式并结合模型训练的效果来确定M2TNet模型的超参数；保存最佳训练效果的参数模型，利用测试集的数据进行风电功率多步预测；对预测结果进行反归一化得到风电功率预测值，并结合评价指标对预测结果进行分析。解决了多源异构数据的风电功率多步预测问题，并改善了已有的模型性能，不仅能提升已有模型的预测准确率而且能降低其时间复杂度。
基于多模态多任务 transformer 网络电功率预测方法

[发明专利]风电功率多步预测模型建立方法-CN201910501361.7有效
发明人：桂丽嫒;曹渝昆 -专利权人：上海电力学院
申请日： 2019-06-11 - 公布日： 2023-04-25 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种风电功率多步预测模型建立方法，首先，利用LSTM网络对气象序列进行预测，然后利用相似离度作为相似性判据，提出一种分层搜索的相似时间序列匹配方法，从原始数据中选取相似的气象序列和功率数据。该方法能够有效预测未来6小时的风电，实现多步高精度功率预测，以引导系统运营商降低风险。
电功率预测模型建立方法

[发明专利]一种基于Hammerstein-Wiener模型的风电机组恒功率广义预测控制方法-CN201410705613.5在审
发明人：李泰;侯小燕;朱志宇;曾庆军;赵黎;张明;刘继刚;许志鹏 -专利权人：江苏科技大学
申请日： 2014-11-27 - 公布日： 2015-04-08 - 主分类号： F03D7/00 文献下载
摘要：一种基于Hammerstein-Wiener模型的风电机组恒功率广义预测控制方法，其包括如下步骤采集足够风电系统组实时输入输出样本数据，建立基于最小二乘支持向量机的Hammerstein-Wiener风力发电机预测模型，通过模型辨识得到风力发电机功率多步预测输出；由上述风电系统多步预测输出和参考轨迹输出计算广义预测控制的二次性能指标；将所述二次性能指标采用拟牛顿信赖域CPSO混合优化算法进行滚动优化，输出使性能指标最小的桨距角控制量u(k)；将得到的桨距角控制量u(k)重新作用于风电系统，得到下一次多步预测输出，进行循环预测控制。
一种基于 hammerstein wiener 模型机组功率广义预测控制方法

[发明专利]一种基于Quartiles和DBN的风功率预测方法-CN202111402474.5在审
发明人：王浩;陈彦如;张媛媛;陈俊任;王盛圩;吴迪智;兰镇宇;张婷;张泰豪;陈良银 -专利权人：四川大学
申请日： 2021-11-23 - 公布日： 2023-05-26 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于Quartiles和DBN的风功率异常点剔除及风功率准确预测的方法。首先对指定未来时间尺度下的风速进行单步/多步预测。接着，完成数据清洗，基于四分位数法剔除指定风速间隔下对应的风功率离群值及指定风功率间隔下指定的风速离群值。依据v‑p点分布特性将异常点分为四类。在初步剔除中，找出第一、第二及其它类异常点，清除指定风速区间内对应的风功率离群值及指定风功率区间内对应的离群风速值。通过DBN深度神经网络，构造WTPC模型。将之前得到的风速预测值代入WTPC模型，得到相同时间尺度下的单步/多步风功率预测值。
一种基于 quartiles dbn 功率预测方法

[发明专利]基于奇异谱分解和时间卷积神经网络的多步风电功率预测方法-CN202111228467.8在审
发明人：董雪;赵生校;魏龙;陈晓锋;陆艳艳;卢迪;赵岩;许银胜;赵宏伟;刘磊 -专利权人：中国电建集团华东勘测设计研究院有限公司
申请日： 2021-10-21 - 公布日： 2022-02-25 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于奇异谱分解和时间卷积神经网络的多步风电功率预测方法。适用于风力发电功率预测领域。本发明所采用的技术方案是：一种基于奇异谱分解和时间卷积神经网络的多步风电功率预测方法，其特征在于：获取历史风速和历史功率；对历史风速和历史功率进行奇异谱分解，分别获得历史风速和历史功率的多维特征向量；将历史风速和历史功率的多维特征向量输入经训练的风电功率预测模型，输出风电功率预测结果；所述风电功率预测模型包括时间卷积神经网络层和全连接层，时间卷积神经网络层用于对历史风速数据和历史功率数据进行时序建模和特征提取，全连接层用于对时间卷积神经网络层提取的特征进行融合，以获取最终风电功率预测结果。
基于奇异分解时间卷积神经网络多步风电功率预测方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条