“风电功率预测装置”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14270074个，建议您升级VIP下载更多相关专利

[发明专利]一种基于支持向量机筛选变量的风电功率预测方法-CN201510044371.4有效
发明人：陈晓科;曾杰;杨汾艳;李鑫;徐晓刚;杨苹;张弛;李兰芳;汪进锋;黄嘉健;黄杨珏;谢宁;靳冰洁 -专利权人：广东电网有限责任公司电力科学研究院
申请日： 2015-01-29 - 公布日： 2018-07-03 - 主分类号： G06Q10/04 文献下载
摘要：一种基于支持向量机筛选变量的风电功率预测方法，包括如下步骤：S1）利用支持向量机算法量化风电功率的输入矢量对风电功率预测结果的影响，筛选出对风电功率预测结果影响显著的变量；S2)将由S1）筛选出的变量作为神经网络算法的输入变量进行功率预测本发明利用SVM算法对神经网络算法的输入变量进行筛选，提高了风电功率预测结果的精度同时简化了神经网络模型，本发明方法简便，解决了现有技术中风电功率预测样本因建模者的专业知识与经验进行选取而缺乏标准的问题
风电功率预测筛选神经网络算法支持向量机输入变量支持向量机算法电功率神经网络模型风电功率功率预测结果影响输入矢量专业知识建模样本中风量化预测

[发明专利]基于非参数核密度估计的风电功率预测的方法-CN201610979574.7在审
发明人：丁敏;吴敏;安剑奇;谢华 -专利权人：中国地质大学（武汉）
申请日： 2016-11-08 - 公布日： 2017-03-29 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于非参数核密度估计的风电功率预测的方法，所述方法包括步骤一，获取预设的时间范围内历史的风电场数据，将实测风电功率数据划分为多个子区间；其中，所述风电场数据包括实测风速和实测风电功率；步骤二，统计每个子区间内的实测风电功率,并根据各个实测风速子区间内的风电功率分布，分别建立风电功率概率密度函数；步骤三，确定实测风电功率的置信区间，删除置信区间外的风电功率数据；所得置信区间内的数据就是筛选出来的建模数据；步骤四，采用S型函数拟合建模数据，建立风电功率预测模型进行预测。
基于参数密度估计电功率预测方法

[发明专利]一种基于变模式分解与长短记忆网络的风电预测方法-CN201811206839.5在审
发明人：韩丽;王雪松 -专利权人：中国矿业大学
申请日： 2018-10-16 - 公布日： 2019-01-18 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于变模式分解与长短记忆网络的风电预测方法，首先对风电功率信号进行变模式分解，根据风电功率的特性将其分解为长期子、波动号和随机等3个模态分量。然后采用长短记忆网络分别学习风电功率这3个方面的模态分量，建立预测模型，最后合成得到预测值。本方法能够获取风电功率的随机特性，提高风电预测的精度和预测步长。
风电功率记忆网络模式分解预测风电模态分量随机特性预测模型合成分解学习

[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

[发明专利]基于动态相关性特征的超短期风电功率预测方法-CN201510808551.5有效
发明人：高志伟;王永平;杨根铨;曹学华 -专利权人：水电十四局大理聚能投资有限公司;云南省大理白族自治州气象局
申请日： 2015-11-20 - 公布日： 2019-01-04 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于动态相关性特征的超短期风电功率预测方法，属于风电功率预测技术领域。该方法最大限度的利用风电功率时间序列的动态相关性特征，在掌握不同时刻风电功率变化规律的基础上，充分利用近期风电功率的变化特征，做出准确的预测。本发明方法可滚动预测0‑4小时内风电功率，时间间隔为15分钟。采用本发明预测方法可保障电网运行的安全稳定，提高电网公司风电消纳能力、运行管理效率，促进节能减排，同时，本发明方法必将产生巨大的经济和社会效益，具有良好的运用前景。
基于动态相关性特征短期电功率预测方法

[发明专利]基于改进的神经网络分位数回归的风电预测方法及系统-CN202211607600.5在审
发明人：李振凯;刘杰;褚宁;殷红旭;付迪雅;邢志同;宋亮;毛晨旭 -专利权人：国网山东省电力公司德州供电公司
申请日： 2022-12-14 - 公布日： 2023-04-11 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开的基于改进的神经网络分位数回归的风电预测方法及系统，包括：获取多个风电场的天气预报数据；根据天气预报数据和训练好的风电发电功率概率预测模型，获得各风电场的风电发电功率预测结果，其中，风电发电功率概率预测模型以各风电场的天气预报数据为输入，以风电发电功率预测结果为输出，采用神经网络表达分位数回归算法构建获得，且模型输出层的激活函数采用斜坡函数，并在斜坡函数和分位数回归算法的检验函数中引入平滑函数。提高了风电功率预测的准确性，且构建的风电发电功率概率预测模型具有好的泛化能力。
基于改进神经网络位数回归预测方法系统

[发明专利]用于风电场的风力发电功率预测优化方法和装置-CN201910916121.3有效
发明人：杨健;江长明;牛四清;柳玉;李丹;陈之栩;史沛然;陈水平 -专利权人：国家电网公司华北分部;华北电力科学研究院有限责任公司;国家电网有限公司
申请日： 2019-09-26 - 公布日： 2022-10-21 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种用于风电场的风力发电功率预测优化方法和装置，该方法包括：获取风电场的风‑电转换模型、预测数据、实测数据以及运行数据；根据所述预测数据以及所述实测数据获取风力发电功率预测总误差；根据所述风‑电转换模型、所述实测数据以及所述运行数据得到等效预测数据；根据所述风力发电功率预测总误差、所述预测数据以及所述等效预测数据得到风力发电功率预测的各个关键环节引起的误差；根据各个关键环节引起的误差优化风力发电功率预测的各个关键环节，能够有效提高功率预测精度。
用于电场风力发电功率预测优化方法装置

[发明专利]一种风电场风电功率预测方法-CN202211137026.1在审
发明人：刘阳;孙鑫;滕卫军;李朝晖;刘善峰;张亚飞;谷青发 -专利权人：国网河南省电力公司电力科学研究院
申请日： 2022-09-19 - 公布日： 2022-12-30 - 主分类号： G06Q10/04 文献下载
摘要：一种风电场风电功率预测方法，其收集风电场历史风速、气温和空气湿度数据，采用差分算法对数据库中异常数据和缺失数据进行处理，提高数据的准确性和完整性。引入优化后风电场风速、气温和空气湿度等气象数据为组合预测模型输入，节虫优化算法结合组合预测模型有效提高风速预测精度。引入风速值结合风电机组标准功率特性曲线获取风电功率，依据具体风机型号对应的标准功率特性曲线计算风电功率，将风电场各风机功率累加获取风电场风电功率值，提高了短期风电功率预测精度。
一种电场电功率预测方法

[发明专利]一种风电功率预测方法和系统-CN201710294292.8在审
发明人：约尔丹诺斯·卡萨·赛穆瑞;郑德化;魏丹 -专利权人：北京天诚同创电气有限公司
申请日： 2017-04-28 - 公布日： 2017-09-05 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种风电功率预测方法和系统，其中，所述预测方法包括以下步骤（A）获取包括风速和风电功率的历史数据集，并对历史数据集进行预处理；（B）使用所述历史数据集训练人工神经网络预测模型；（C）基于训练后的人工神经网络预测模型和输入的风速数据预测风电功率本发明利用风速和风电功率的历史数据，并通过遗传算法和反向传播神经网络相结合的方法进行风电功率预测模型，实现了风速数据的精确预测，提高了预测风电功率的效率。
一种电功率预测方法系统

[发明专利]基于端到端模型的爬坡预测方法-CN202210043642.4在审
发明人：张媛媛;陈彦如;王浩;岳凯峰;赵万槟;李亚洁;刘宜珈;李京鹏;胡翔;陈良银 -专利权人：四川大学
申请日： 2022-01-14 - 公布日： 2023-07-25 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于端到端模型的爬坡预测方法。其方法主要包括数据预处理、预测模型训练、模型预测和风电功率爬坡检测四部分；预测模型训练包括主预测模型训练模块和误差修正模型训练模块，模型预测包括主模型预测模块和误差模型修正模块；主预测模型训练模块用于将历史风电功率数据、历史风速数据和预报风速数据作为模型输入；误差修正模型训练模块用于将主模型输出的风电功率预测残差序列作为数据集对误差修正模型进行训练测试；主模型预测模块用于对风电功率进行预测；误差模型修正模块用于将主预测模型的输出作为残差模型输入，预测残差修正初步预测值；风电功率爬坡检测模块用于风电功率预测序列的爬坡检测，得到爬坡预测特征量。
基于端到端模型爬坡预测方法

[发明专利]基于中尺度风电功率发展过程序列化的爬坡事件预测方法-CN201711160876.2有效
发明人：查晓明;欧阳庭辉;秦亮;熊一;夏添 -专利权人：武汉大学
申请日： 2017-11-20 - 公布日： 2021-12-17 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及风电功率预测技术领域，具体涉及基于中尺度风电功率发展过程序列化的爬坡事件预测方法，包括：完成历史风电功率发展过程的序列化操作，并通过建模选取合适的预测时间窗作为序列化操作的划分单位；对历史风电过程序列进行类别分析，并针对每个类别的风电过程建立最优的预测模型库；以历史风电过程序列为对象，通过统计和概率分析训练不同类别风电过程的切换规律，采用得到的切换机制指导未来风电过程的模型选取和风电功率预测；改进爬坡事件定义和检测算法，根据预测的长期风电功率检测和预测出未来可能发生的爬坡事件。该方法能提高爬坡预测所需的长期风电功率预测精度，完成了高性能的爬坡预测，为爬坡事件的相关分析奠定了基础。
基于尺度电功率发展过程序列爬坡事件预测方法

[发明专利]一种改进的超短期风电功率预测算法及模型建立方法-CN202111036871.5有效
发明人：高鹭;孔繁苗;张飞;田文强;任晓颖;郝斌 -专利权人：内蒙古科技大学
申请日： 2021-09-06 - 公布日： 2023-09-12 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种改进的超短期风电功率预测算法及模型建立方法，其特征在于，包括如下步骤：采集数据集；对采集的数据集进行空缺值填充、数据集归一化处理；将数据集划分为训练集、测试集；确定预测点所需的历史步长；将处理好的数据集输入超短期风电功率预测模型，超短期风电功率预测模型建立输入历史风电数据与预测功率点的映射关系，通过神经网络的自主学习输出下一时刻的风电功率预测值；该方法能够解决现有技术存在的风电功率预测精度不高、预测时间分辨率狭窄、预测模型泛化性不强的问题。
一种改进短期电功率预测算法模型建立方法

[发明专利]一种含模型切换机制的风电功率爬坡事件预测方法-CN201510219455.7有效
发明人：欧阳庭辉;查晓明;秦亮;熊一;夏添 -专利权人：武汉大学
申请日： 2015-04-29 - 公布日： 2019-01-29 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种风电功率预测方法，尤其是涉及一种含预测模型切换机制的风电功率爬坡事件预测方法。该方法基于含模型切换机制的风电功率预测方法和考虑电网运行状态的爬坡坚持方法，主要包括下述步骤：步骤一，完成风电功率数据的预处理和局部模型适用长度的求取；步骤二，在局部段划分的基础上，完成最优预测模型的识别，并根据识别结果完成模型切换机制的训练；步骤三，结合预测模型库和模型切换机制完成长期的风电功率预测；步骤四，结合爬坡事件定义和电网实际运行状态，对预测的风电功率结果进行爬坡事件判别。本发明提供的方法通过较高精度的风电功率预测保证爬坡事件预测的准确性，为电力系统制定正确的爬坡控制措施提供可靠的保障。
一种模型切换机制电功率爬坡事件预测方法

[发明专利]一种短期风电功率预测方法及系统-CN201710645067.4在审
发明人：赫卫国;汪春;许晓慧;陈然;华光辉;刘海璇;孔爱良;姚虹春;张祥文;邱腾飞;夏俊荣;梁硕;江星星;胡汝伟;孙檬檬;栗峰;周昶;曹潇;叶荣波;梁志峰 -专利权人：中国电力科学研究院;国家电网公司;国网上海市电力公司
申请日： 2017-08-01 - 公布日： 2019-02-12 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种短期风电功率预测方法及系统，包括：采集预测气象数据；将所述预测气象数据输入预先创建的短期风电功率预测模型，得到风电功率预测值；所述短期风电功率预测模型的训练数据集是将基于与所述风机输出总功率相关的历史气象数据作为建模数据
风电功率预测建模数据气象数据历史气象数据输出总功率训练数据集预先创建风机预测建模主元运算采集

[发明专利]一种物理-统计混合两阶段风电功率预测方法-CN201810700687.8有效
发明人：杨冬;马欢;慈文斌;邢鲁华;麻常辉;王亮;张冰;赵康;马琳琳;陈博;蒋哲;周宁;李山;李文博;刘文学 -专利权人：国网山东省电力公司电力科学研究院;国家电网有限公司
申请日： 2018-06-29 - 公布日： 2020-08-04 - 主分类号： H02J3/00 文献下载
摘要：本发明公开了物理‑统计混合两阶段风电功率预测方法，将物理预测方法、统计预测方法得到的风电功率预测作为第二阶段的输入，通过BP神经网络对目标日的风电功率序列进行预测，具体包括以下步骤：建立物理预测神经网络模型并加以训练；以各个天作为目标日，分别计算其它各天相对目标日的风速总体相似度系数；建立统计预测神经网络模型并加以训练；以每天24h的风速、风向数据作为输入，整理出前180天每天的风电功率物理预测序列；以各个天的前5个相似日对应的风电功率序列作为输入，得到前180天每天的风电功率统计预测序列；建立第二阶段的BP神经网络预测模型并加以训练，直到训练误差小于给定值，最终得到两阶段预测模型。
一种物理统计混合阶段电功率预测方法

首页
«上一页
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
下一页»
尾页
共 100000 条