基于低风速功率修正的超短期风电功率预测方法及系统.pdf
文本预览下载声明
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117424229A
(43)申请公布日2024.01.19
(21)申请号202311589380.2G06N3/0464(2023.01)
显示全部
文档详情
相似文档
-
基于预报风速修正和多模型融合的风电功率预测方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114462666 A
(43)申请公布日 2022.05.10
(21)申请号 202111534394.5 H02J 3/00 (2006.01)
-
短期风速-风电功率预测方法.pdf
短期风速一风电功率预测方法
张友鹏，叶爱贤， 高锋阳，董唯光
(兰州交通大学自动化与电气T程学院，甘肃鼍州730070)
摘要：传统灰色风速预测模型累加处理时不能预测突变风速。使风电功率预测误差过大。采用数值逼近算法对传统灰色
GM(1，1)预测模型进行优化改进．以优化的灰色GM《1，1)预测模型对未来时段风速进行预测，突变风速预测误差降低了
34．3％。再将优化风速预测模型和时间序列动态神经网络相结合．构建出风电功率预测模型。
-
一种基于误差修正的短期风电功率集成预测方法及系统.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113361761 A
(43)申请公布日 2021.09.07
(21)申请号 202110608220.2
(22)申请日 2021.06.01
(71)申请人 山东大学
地址 25
-
风速及风电功率短期预测方法研究的中期报告.docx
风速及风电功率短期预测方法研究的中期报告
1. 研究背景
随着风电场的发展和风电装机容量的不断增加，风速及风电功率的短期预测成为提高风电场运行效率和经济性的重要方法之一。短期预测能够使风电场运营人员及时做出调整，最大限度地利用风能资源，减少风电场的风险和损失。目前，国内外对风速及风电功率的短期预测研究已经取得了一定的进展，但在实际应用中仍然存在一些问题，如精度不够高、预测时间太短或者太长等等。
2. 研究目标
本研究旨在建立一种适用于风电场的风速及风电功率短期预测模型，以提高风电场的运行效率和经济性。具体研究目标如下：
（1）通过对现有短期预测模型进行分析和比较，选定适用于风电场的预测模型，并
-
基于RF-TCN-SA的风电功率超短期预测及误差修正方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117408369A
(43)申请公布日2024.01.16
(21)申请号202311211682.6G06N3/048(2023.01)
-
基于风速融合和NARX神经网络的短期风电功率预测.pptx
基于风速融合和NARX神经网络的短期风电功率预测
汇报人：
2024-01-22
CATALOGUE
目录
引言
风速融合技术
NARX神经网络模型
基于风速融合和NARX神经网络的短期风电功率预测模型
实验结果与分析
结论与展望
引言
01
01
目前，国内外学者已经提出了多种风电功率预测方法，包括物理方法、统计方法和人工智能方法等。
02
物理方法基于数值天气预报数据，通过建立风电场和风机的物理模型进行预测，但精度受限于模型的准确性和输入数据的质量。
03
统计方法利用历史风电功率数据和气象数据，通过建立统计模型进行预测，但难以处理非线性关系和复杂的气象因素。
04
人工智能方法，如神经网
-
基于OS-ELM和Bootstrap方法的超短期风电功率预测附录..doc
附录A
对于N个不同的训练样本，是维输入向量，是维输出向量，具有D个隐层节点和无限可微激活函数的SLFN结构可以以零误差逼近这N组样本，即存在,和，使，也可写成如下形式：
(A1)
为维向量，表示输入层与隐含层的神经元的连接权值为维向量，表示隐含层与输出层神经元的连接权值为隐含层神经元的阀值为网络的输出为激活函数，可以是“sig”“rbf”，“sin”等多种形式。这N个方程可写成矩阵形式：
(A2)
(A3)
and
ELM全局最优输出权值可写为：
(A4)
OS-ELM主要
-
基于混沌鸡群优化算法的短期风电功率预测方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112819238 A
(43)申请公布日 2021.05.18
(21)申请号 202110189031.6 G06K 9/62 (2006.01)
(22)申请日 20
-
一种基于时空相关性的短期风电功率预测方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117810997A
(43)申请公布日2024.04.02
(21)申请号202410235440.9G06N3/0464(2023.01)
-
短期风速预测方法及系统.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112926758 A
(43)申请公布日
2021.06.08
(21)申请号 20191
-
基于风速变化特征的风电功率预测算法研究.docx
基于风速变化特征的风电功率预测算法研究
一、引言
随着全球对可再生能源的依赖性日益增强，风力发电作为其中的重要一环，其发展势头愈发明显。然而，风力发电的间歇性和不稳定性给电网的调度和运行带来了挑战。因此，对风电功率进行准确预测，对于提高电网的调度效率和稳定性具有重要意义。本文将针对基于风速变化特征的风电功率预测算法进行研究，以期为风电功率预测提供新的思路和方法。
二、风速变化特征分析
风速的变化是影响风电功率预测的关键因素。风速的变化受到多种因素的影响，包括自然环境因素（如地形、气候等）和人为因素（如城市发展、工业活动等）。因此，对风速变化特征的分析需要从多个角度进行。
首先，风速具有明显的季
-
基于参数优化和残差修正的短期风速预测.docx
基于参数优化和残差修正的短期风速预测
一、引言
风能作为可再生能源的一种，具有广泛的应用前景。准确预测风速对电力系统规划和运营具有重要意义。本文旨在介绍一种基于参数优化和残差修正的短期风速预测方法，通过对相关模型进行优化和改进，以提高预测精度和稳定性。
二、问题陈述
在现有的短期风速预测中，常遇到的问题包括预测精度的提高、模型的鲁棒性和模型的适用性。尽管已有多类预测模型，但在处理具有时变特性的风速数据时，如何实现更为准确的预测仍然是一个挑战。针对这些问题，本文提出了基于参数优化和残差修正的短期风速预测方法。
三、方法与模型
（一）模型构建
本研究采用了时间序列预测模型为基础，通过对模型的参数进
-
基于组合模型的风电功率短期和超短期预测研究.docx
基于组合模型的风电功率短期和超短期预测研究
一、引言
随着全球能源结构的转型，风力发电作为清洁、可再生的能源形式，正逐渐成为电力供应的重要组成部分。然而，风力发电具有极强的随机性和波动性，准确预测其输出功率对电力系统的稳定运行至关重要。因此，风电功率预测研究在近年来引起了广泛的关注。本文提出了一种基于组合模型的风电功率短期和超短期预测方法，以期望提升预测的准确性和稳定性。
二、相关文献综述
对于风电功率的预测，前人已经做了大量的研究工作。主要包括基于物理模型的预测、基于统计学习的预测以及基于机器学习的预测等。然而，单一模型往往难以准确捕捉风电功率的复杂变化特性。因此，组合模型的应用逐渐成为研究
-
基于案例推理的特殊天气风电功率预测数据修正方法.pdf
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 114881360 A
(43)申请公布日 2022.08.09
(21)申请号 202210626792.8
(22)申请日 2022.06.05
(71)申请人 南京理工大学
地址 210094
-
基于VMD-EMD-WT信号分解和SDAE深度学习模型的短期集群风电功率预测方法.pdf
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112926398 A
(43)申请公布日 2021.06.08
(21)申请号 202110117431.6 G06N 20/20 (2019.01)