找到4项技术成果数据。
找技术>-
一种超短期风电功率滑动预测方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业,制造业
技术简介
本发明涉及一种超短期风电功率滑动预测方法,采用一种具有很强的非平稳信号跟踪、预测能力的原子稀疏分解法,作为神经网络的前置分解方法。将风电功率时间序列分解为原子分量和残差分量,对原子分量进行自预测,残差分量进行神经网络预测,再通过追加最新的风电功率实时数据来更新原子分解的结果,进而滑动预测下一个时刻的风电功率。以实际风场数据进行验证,证明了该模型可以有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。因此,本发明具有如下优点:能够有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。
-
一种基于指标排序的梯级水电站群超短期调度方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业
技术简介
一种基于指标排序的梯级水电站群超短期调度方法,将日前发电计划纳入超短期调度,目标函数为调度期末计算水位与理想水位相对偏差最大值最小,满足超短期调度的安全性、时效性、实用性、经济性的要求。其技术方案为:预报区间来水和利用上下游流量滞时关系预报入库流量,然后利用以电定水校核末水位,并进行弃水处理,然后计算总出力与负荷需求之间的偏差,选取调度期末计算水位与理想水位相对偏差为量化指标,以此指标排序指导电站加大或减少出力,直至负荷需求与总出力达到平衡。本发明的有益效果是前瞻电网未来发展,为梯级水电站群超短期调度系统建设提供了坚实的理论基础。
-
计及多时空资源关联模式与深度数据挖掘的区域超短期风电功率预测联邦学习新框架
成熟度:可规模生产
技术类型:-
应用行业:电力、热力、燃气及水生产和供应业
技术简介
本项目弥补传统超短期功率预测方法对于资源时空关联性考虑的不足,基于特征提取技术和机器学习方法,充分挖掘风电场区域内的风速与邻近场站之间的时空关联性,为风电超短期预测提供完整有效的数拒基础。克服传统依靠风电局部信息进行孤立预测建模的缺陷,基于资源多维度关联性与集群聚合效应提出风电集群动态优化聚合分区技术,实现基于多源信息融合的风电功率超短期准确预测,提高风电超短期功率预测的准确性,进一步提升预测结果在调度中的应用程度,同时,考虑到大数据时代的数据安全问题,采用联邦学习框架,让参与方在不共享数据的基础上联合建模,能从技术上打破数据孤岛,对区域风电场实现多层次的集群预测,充分解决各层级的调度需求,进一步促进风电大规模消纳.
-
基于云团特征分析的分布式光伏系统超短期出力预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
基于云团特征分析的分布式光伏系统超短期出力预测方法,包括以下步骤首先对天空云团检测装置采集到的稀疏云团进行预处理,提取出云团的核心区域作为目标区域,进而对其影响光伏系统超短期功率输出的关键动态特征参数进行数学描述;通过图像预处理之后,接着在云团核心区域中寻找一个特殊点的运动情况来代表整个云团的运动情况;应用像素深浅差异聚类分析法进行厚度和数字化的描述,主要利用灰度分割法将灰度等级分类,并用伪彩色图处理,直观形象地表示云团不同区域的厚度;云团特征提取及出力预测;设计独立的基于稀疏云团动态特征的超短期出力预测软件模块及其数据库系统,基于云团特征分析的分布式光伏系统超短期出力预测。
找到4项技术成果数据。
找技术>-
一种超短期风电功率滑动预测方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业,制造业
技术简介
本发明涉及一种超短期风电功率滑动预测方法,采用一种具有很强的非平稳信号跟踪、预测能力的原子稀疏分解法,作为神经网络的前置分解方法。将风电功率时间序列分解为原子分量和残差分量,对原子分量进行自预测,残差分量进行神经网络预测,再通过追加最新的风电功率实时数据来更新原子分解的结果,进而滑动预测下一个时刻的风电功率。以实际风场数据进行验证,证明了该模型可以有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。因此,本发明具有如下优点:能够有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。
-
一种基于指标排序的梯级水电站群超短期调度方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业
技术简介
一种基于指标排序的梯级水电站群超短期调度方法,将日前发电计划纳入超短期调度,目标函数为调度期末计算水位与理想水位相对偏差最大值最小,满足超短期调度的安全性、时效性、实用性、经济性的要求。其技术方案为:预报区间来水和利用上下游流量滞时关系预报入库流量,然后利用以电定水校核末水位,并进行弃水处理,然后计算总出力与负荷需求之间的偏差,选取调度期末计算水位与理想水位相对偏差为量化指标,以此指标排序指导电站加大或减少出力,直至负荷需求与总出力达到平衡。本发明的有益效果是前瞻电网未来发展,为梯级水电站群超短期调度系统建设提供了坚实的理论基础。
-
计及多时空资源关联模式与深度数据挖掘的区域超短期风电功率预测联邦学习新框架
成熟度:可规模生产
技术类型:-
应用行业:电力、热力、燃气及水生产和供应业
技术简介
本项目弥补传统超短期功率预测方法对于资源时空关联性考虑的不足,基于特征提取技术和机器学习方法,充分挖掘风电场区域内的风速与邻近场站之间的时空关联性,为风电超短期预测提供完整有效的数拒基础。克服传统依靠风电局部信息进行孤立预测建模的缺陷,基于资源多维度关联性与集群聚合效应提出风电集群动态优化聚合分区技术,实现基于多源信息融合的风电功率超短期准确预测,提高风电超短期功率预测的准确性,进一步提升预测结果在调度中的应用程度,同时,考虑到大数据时代的数据安全问题,采用联邦学习框架,让参与方在不共享数据的基础上联合建模,能从技术上打破数据孤岛,对区域风电场实现多层次的集群预测,充分解决各层级的调度需求,进一步促进风电大规模消纳.
-
基于云团特征分析的分布式光伏系统超短期出力预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
基于云团特征分析的分布式光伏系统超短期出力预测方法,包括以下步骤首先对天空云团检测装置采集到的稀疏云团进行预处理,提取出云团的核心区域作为目标区域,进而对其影响光伏系统超短期功率输出的关键动态特征参数进行数学描述;通过图像预处理之后,接着在云团核心区域中寻找一个特殊点的运动情况来代表整个云团的运动情况;应用像素深浅差异聚类分析法进行厚度和数字化的描述,主要利用灰度分割法将灰度等级分类,并用伪彩色图处理,直观形象地表示云团不同区域的厚度;云团特征提取及出力预测;设计独立的基于稀疏云团动态特征的超短期出力预测软件模块及其数据库系统,基于云团特征分析的分布式光伏系统超短期出力预测。
找到4项技术成果数据。
找技术>-
一种超短期风电功率滑动预测方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业,制造业
技术简介
本发明涉及一种超短期风电功率滑动预测方法,采用一种具有很强的非平稳信号跟踪、预测能力的原子稀疏分解法,作为神经网络的前置分解方法。将风电功率时间序列分解为原子分量和残差分量,对原子分量进行自预测,残差分量进行神经网络预测,再通过追加最新的风电功率实时数据来更新原子分解的结果,进而滑动预测下一个时刻的风电功率。以实际风场数据进行验证,证明了该模型可以有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。因此,本发明具有如下优点:能够有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。
-
一种基于指标排序的梯级水电站群超短期调度方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业
技术简介
一种基于指标排序的梯级水电站群超短期调度方法,将日前发电计划纳入超短期调度,目标函数为调度期末计算水位与理想水位相对偏差最大值最小,满足超短期调度的安全性、时效性、实用性、经济性的要求。其技术方案为:预报区间来水和利用上下游流量滞时关系预报入库流量,然后利用以电定水校核末水位,并进行弃水处理,然后计算总出力与负荷需求之间的偏差,选取调度期末计算水位与理想水位相对偏差为量化指标,以此指标排序指导电站加大或减少出力,直至负荷需求与总出力达到平衡。本发明的有益效果是前瞻电网未来发展,为梯级水电站群超短期调度系统建设提供了坚实的理论基础。
-
计及多时空资源关联模式与深度数据挖掘的区域超短期风电功率预测联邦学习新框架
成熟度:可规模生产
技术类型:-
应用行业:电力、热力、燃气及水生产和供应业
技术简介
本项目弥补传统超短期功率预测方法对于资源时空关联性考虑的不足,基于特征提取技术和机器学习方法,充分挖掘风电场区域内的风速与邻近场站之间的时空关联性,为风电超短期预测提供完整有效的数拒基础。克服传统依靠风电局部信息进行孤立预测建模的缺陷,基于资源多维度关联性与集群聚合效应提出风电集群动态优化聚合分区技术,实现基于多源信息融合的风电功率超短期准确预测,提高风电超短期功率预测的准确性,进一步提升预测结果在调度中的应用程度,同时,考虑到大数据时代的数据安全问题,采用联邦学习框架,让参与方在不共享数据的基础上联合建模,能从技术上打破数据孤岛,对区域风电场实现多层次的集群预测,充分解决各层级的调度需求,进一步促进风电大规模消纳.
-
基于云团特征分析的分布式光伏系统超短期出力预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
基于云团特征分析的分布式光伏系统超短期出力预测方法,包括以下步骤首先对天空云团检测装置采集到的稀疏云团进行预处理,提取出云团的核心区域作为目标区域,进而对其影响光伏系统超短期功率输出的关键动态特征参数进行数学描述;通过图像预处理之后,接着在云团核心区域中寻找一个特殊点的运动情况来代表整个云团的运动情况;应用像素深浅差异聚类分析法进行厚度和数字化的描述,主要利用灰度分割法将灰度等级分类,并用伪彩色图处理,直观形象地表示云团不同区域的厚度;云团特征提取及出力预测;设计独立的基于稀疏云团动态特征的超短期出力预测软件模块及其数据库系统,基于云团特征分析的分布式光伏系统超短期出力预测。
找到4项技术成果数据。
找技术>-
一种超短期风电功率滑动预测方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业,制造业
技术简介
本发明涉及一种超短期风电功率滑动预测方法,采用一种具有很强的非平稳信号跟踪、预测能力的原子稀疏分解法,作为神经网络的前置分解方法。将风电功率时间序列分解为原子分量和残差分量,对原子分量进行自预测,残差分量进行神经网络预测,再通过追加最新的风电功率实时数据来更新原子分解的结果,进而滑动预测下一个时刻的风电功率。以实际风场数据进行验证,证明了该模型可以有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。因此,本发明具有如下优点:能够有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。
-
一种基于指标排序的梯级水电站群超短期调度方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业
技术简介
一种基于指标排序的梯级水电站群超短期调度方法,将日前发电计划纳入超短期调度,目标函数为调度期末计算水位与理想水位相对偏差最大值最小,满足超短期调度的安全性、时效性、实用性、经济性的要求。其技术方案为:预报区间来水和利用上下游流量滞时关系预报入库流量,然后利用以电定水校核末水位,并进行弃水处理,然后计算总出力与负荷需求之间的偏差,选取调度期末计算水位与理想水位相对偏差为量化指标,以此指标排序指导电站加大或减少出力,直至负荷需求与总出力达到平衡。本发明的有益效果是前瞻电网未来发展,为梯级水电站群超短期调度系统建设提供了坚实的理论基础。
-
计及多时空资源关联模式与深度数据挖掘的区域超短期风电功率预测联邦学习新框架
成熟度:可规模生产
技术类型:-
应用行业:电力、热力、燃气及水生产和供应业
技术简介
本项目弥补传统超短期功率预测方法对于资源时空关联性考虑的不足,基于特征提取技术和机器学习方法,充分挖掘风电场区域内的风速与邻近场站之间的时空关联性,为风电超短期预测提供完整有效的数拒基础。克服传统依靠风电局部信息进行孤立预测建模的缺陷,基于资源多维度关联性与集群聚合效应提出风电集群动态优化聚合分区技术,实现基于多源信息融合的风电功率超短期准确预测,提高风电超短期功率预测的准确性,进一步提升预测结果在调度中的应用程度,同时,考虑到大数据时代的数据安全问题,采用联邦学习框架,让参与方在不共享数据的基础上联合建模,能从技术上打破数据孤岛,对区域风电场实现多层次的集群预测,充分解决各层级的调度需求,进一步促进风电大规模消纳.
-
基于云团特征分析的分布式光伏系统超短期出力预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
基于云团特征分析的分布式光伏系统超短期出力预测方法,包括以下步骤首先对天空云团检测装置采集到的稀疏云团进行预处理,提取出云团的核心区域作为目标区域,进而对其影响光伏系统超短期功率输出的关键动态特征参数进行数学描述;通过图像预处理之后,接着在云团核心区域中寻找一个特殊点的运动情况来代表整个云团的运动情况;应用像素深浅差异聚类分析法进行厚度和数字化的描述,主要利用灰度分割法将灰度等级分类,并用伪彩色图处理,直观形象地表示云团不同区域的厚度;云团特征提取及出力预测;设计独立的基于稀疏云团动态特征的超短期出力预测软件模块及其数据库系统,基于云团特征分析的分布式光伏系统超短期出力预测。
找到4项技术成果数据。
找技术>-
一种超短期风电功率滑动预测方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业,制造业
技术简介
本发明涉及一种超短期风电功率滑动预测方法,采用一种具有很强的非平稳信号跟踪、预测能力的原子稀疏分解法,作为神经网络的前置分解方法。将风电功率时间序列分解为原子分量和残差分量,对原子分量进行自预测,残差分量进行神经网络预测,再通过追加最新的风电功率实时数据来更新原子分解的结果,进而滑动预测下一个时刻的风电功率。以实际风场数据进行验证,证明了该模型可以有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。因此,本发明具有如下优点:能够有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。
-
一种基于指标排序的梯级水电站群超短期调度方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业
技术简介
一种基于指标排序的梯级水电站群超短期调度方法,将日前发电计划纳入超短期调度,目标函数为调度期末计算水位与理想水位相对偏差最大值最小,满足超短期调度的安全性、时效性、实用性、经济性的要求。其技术方案为:预报区间来水和利用上下游流量滞时关系预报入库流量,然后利用以电定水校核末水位,并进行弃水处理,然后计算总出力与负荷需求之间的偏差,选取调度期末计算水位与理想水位相对偏差为量化指标,以此指标排序指导电站加大或减少出力,直至负荷需求与总出力达到平衡。本发明的有益效果是前瞻电网未来发展,为梯级水电站群超短期调度系统建设提供了坚实的理论基础。
-
计及多时空资源关联模式与深度数据挖掘的区域超短期风电功率预测联邦学习新框架
成熟度:可规模生产
技术类型:-
应用行业:电力、热力、燃气及水生产和供应业
技术简介
本项目弥补传统超短期功率预测方法对于资源时空关联性考虑的不足,基于特征提取技术和机器学习方法,充分挖掘风电场区域内的风速与邻近场站之间的时空关联性,为风电超短期预测提供完整有效的数拒基础。克服传统依靠风电局部信息进行孤立预测建模的缺陷,基于资源多维度关联性与集群聚合效应提出风电集群动态优化聚合分区技术,实现基于多源信息融合的风电功率超短期准确预测,提高风电超短期功率预测的准确性,进一步提升预测结果在调度中的应用程度,同时,考虑到大数据时代的数据安全问题,采用联邦学习框架,让参与方在不共享数据的基础上联合建模,能从技术上打破数据孤岛,对区域风电场实现多层次的集群预测,充分解决各层级的调度需求,进一步促进风电大规模消纳.
-
基于云团特征分析的分布式光伏系统超短期出力预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
基于云团特征分析的分布式光伏系统超短期出力预测方法,包括以下步骤首先对天空云团检测装置采集到的稀疏云团进行预处理,提取出云团的核心区域作为目标区域,进而对其影响光伏系统超短期功率输出的关键动态特征参数进行数学描述;通过图像预处理之后,接着在云团核心区域中寻找一个特殊点的运动情况来代表整个云团的运动情况;应用像素深浅差异聚类分析法进行厚度和数字化的描述,主要利用灰度分割法将灰度等级分类,并用伪彩色图处理,直观形象地表示云团不同区域的厚度;云团特征提取及出力预测;设计独立的基于稀疏云团动态特征的超短期出力预测软件模块及其数据库系统,基于云团特征分析的分布式光伏系统超短期出力预测。
找到4项技术成果数据。
找技术>-
一种超短期风电功率滑动预测方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业,制造业
技术简介
本发明涉及一种超短期风电功率滑动预测方法,采用一种具有很强的非平稳信号跟踪、预测能力的原子稀疏分解法,作为神经网络的前置分解方法。将风电功率时间序列分解为原子分量和残差分量,对原子分量进行自预测,残差分量进行神经网络预测,再通过追加最新的风电功率实时数据来更新原子分解的结果,进而滑动预测下一个时刻的风电功率。以实际风场数据进行验证,证明了该模型可以有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。因此,本发明具有如下优点:能够有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。
-
一种基于指标排序的梯级水电站群超短期调度方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业
技术简介
一种基于指标排序的梯级水电站群超短期调度方法,将日前发电计划纳入超短期调度,目标函数为调度期末计算水位与理想水位相对偏差最大值最小,满足超短期调度的安全性、时效性、实用性、经济性的要求。其技术方案为:预报区间来水和利用上下游流量滞时关系预报入库流量,然后利用以电定水校核末水位,并进行弃水处理,然后计算总出力与负荷需求之间的偏差,选取调度期末计算水位与理想水位相对偏差为量化指标,以此指标排序指导电站加大或减少出力,直至负荷需求与总出力达到平衡。本发明的有益效果是前瞻电网未来发展,为梯级水电站群超短期调度系统建设提供了坚实的理论基础。
-
计及多时空资源关联模式与深度数据挖掘的区域超短期风电功率预测联邦学习新框架
成熟度:可规模生产
技术类型:-
应用行业:电力、热力、燃气及水生产和供应业
技术简介
本项目弥补传统超短期功率预测方法对于资源时空关联性考虑的不足,基于特征提取技术和机器学习方法,充分挖掘风电场区域内的风速与邻近场站之间的时空关联性,为风电超短期预测提供完整有效的数拒基础。克服传统依靠风电局部信息进行孤立预测建模的缺陷,基于资源多维度关联性与集群聚合效应提出风电集群动态优化聚合分区技术,实现基于多源信息融合的风电功率超短期准确预测,提高风电超短期功率预测的准确性,进一步提升预测结果在调度中的应用程度,同时,考虑到大数据时代的数据安全问题,采用联邦学习框架,让参与方在不共享数据的基础上联合建模,能从技术上打破数据孤岛,对区域风电场实现多层次的集群预测,充分解决各层级的调度需求,进一步促进风电大规模消纳.
-
基于云团特征分析的分布式光伏系统超短期出力预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
基于云团特征分析的分布式光伏系统超短期出力预测方法,包括以下步骤首先对天空云团检测装置采集到的稀疏云团进行预处理,提取出云团的核心区域作为目标区域,进而对其影响光伏系统超短期功率输出的关键动态特征参数进行数学描述;通过图像预处理之后,接着在云团核心区域中寻找一个特殊点的运动情况来代表整个云团的运动情况;应用像素深浅差异聚类分析法进行厚度和数字化的描述,主要利用灰度分割法将灰度等级分类,并用伪彩色图处理,直观形象地表示云团不同区域的厚度;云团特征提取及出力预测;设计独立的基于稀疏云团动态特征的超短期出力预测软件模块及其数据库系统,基于云团特征分析的分布式光伏系统超短期出力预测。
找到4项技术成果数据。
找技术>-
一种超短期风电功率滑动预测方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业,制造业
技术简介
本发明涉及一种超短期风电功率滑动预测方法,采用一种具有很强的非平稳信号跟踪、预测能力的原子稀疏分解法,作为神经网络的前置分解方法。将风电功率时间序列分解为原子分量和残差分量,对原子分量进行自预测,残差分量进行神经网络预测,再通过追加最新的风电功率实时数据来更新原子分解的结果,进而滑动预测下一个时刻的风电功率。以实际风场数据进行验证,证明了该模型可以有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。因此,本发明具有如下优点:能够有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。
-
一种基于指标排序的梯级水电站群超短期调度方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业
技术简介
一种基于指标排序的梯级水电站群超短期调度方法,将日前发电计划纳入超短期调度,目标函数为调度期末计算水位与理想水位相对偏差最大值最小,满足超短期调度的安全性、时效性、实用性、经济性的要求。其技术方案为:预报区间来水和利用上下游流量滞时关系预报入库流量,然后利用以电定水校核末水位,并进行弃水处理,然后计算总出力与负荷需求之间的偏差,选取调度期末计算水位与理想水位相对偏差为量化指标,以此指标排序指导电站加大或减少出力,直至负荷需求与总出力达到平衡。本发明的有益效果是前瞻电网未来发展,为梯级水电站群超短期调度系统建设提供了坚实的理论基础。
-
计及多时空资源关联模式与深度数据挖掘的区域超短期风电功率预测联邦学习新框架
成熟度:可规模生产
技术类型:-
应用行业:电力、热力、燃气及水生产和供应业
技术简介
本项目弥补传统超短期功率预测方法对于资源时空关联性考虑的不足,基于特征提取技术和机器学习方法,充分挖掘风电场区域内的风速与邻近场站之间的时空关联性,为风电超短期预测提供完整有效的数拒基础。克服传统依靠风电局部信息进行孤立预测建模的缺陷,基于资源多维度关联性与集群聚合效应提出风电集群动态优化聚合分区技术,实现基于多源信息融合的风电功率超短期准确预测,提高风电超短期功率预测的准确性,进一步提升预测结果在调度中的应用程度,同时,考虑到大数据时代的数据安全问题,采用联邦学习框架,让参与方在不共享数据的基础上联合建模,能从技术上打破数据孤岛,对区域风电场实现多层次的集群预测,充分解决各层级的调度需求,进一步促进风电大规模消纳.
-
基于云团特征分析的分布式光伏系统超短期出力预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
基于云团特征分析的分布式光伏系统超短期出力预测方法,包括以下步骤首先对天空云团检测装置采集到的稀疏云团进行预处理,提取出云团的核心区域作为目标区域,进而对其影响光伏系统超短期功率输出的关键动态特征参数进行数学描述;通过图像预处理之后,接着在云团核心区域中寻找一个特殊点的运动情况来代表整个云团的运动情况;应用像素深浅差异聚类分析法进行厚度和数字化的描述,主要利用灰度分割法将灰度等级分类,并用伪彩色图处理,直观形象地表示云团不同区域的厚度;云团特征提取及出力预测;设计独立的基于稀疏云团动态特征的超短期出力预测软件模块及其数据库系统,基于云团特征分析的分布式光伏系统超短期出力预测。
找到4项技术成果数据。
找技术>-
一种超短期风电功率滑动预测方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业,制造业
技术简介
本发明涉及一种超短期风电功率滑动预测方法,采用一种具有很强的非平稳信号跟踪、预测能力的原子稀疏分解法,作为神经网络的前置分解方法。将风电功率时间序列分解为原子分量和残差分量,对原子分量进行自预测,残差分量进行神经网络预测,再通过追加最新的风电功率实时数据来更新原子分解的结果,进而滑动预测下一个时刻的风电功率。以实际风场数据进行验证,证明了该模型可以有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。因此,本发明具有如下优点:能够有效地处理风电功率非平稳性,产生更为稀疏的分解效果,能显著地降低绝对平均误差、均方根误差计算值的统计区间。
-
一种基于指标排序的梯级水电站群超短期调度方法
成熟度:正在研发
技术类型:发明
应用行业:电力、热力、燃气及水生产和供应业
技术简介
一种基于指标排序的梯级水电站群超短期调度方法,将日前发电计划纳入超短期调度,目标函数为调度期末计算水位与理想水位相对偏差最大值最小,满足超短期调度的安全性、时效性、实用性、经济性的要求。其技术方案为:预报区间来水和利用上下游流量滞时关系预报入库流量,然后利用以电定水校核末水位,并进行弃水处理,然后计算总出力与负荷需求之间的偏差,选取调度期末计算水位与理想水位相对偏差为量化指标,以此指标排序指导电站加大或减少出力,直至负荷需求与总出力达到平衡。本发明的有益效果是前瞻电网未来发展,为梯级水电站群超短期调度系统建设提供了坚实的理论基础。
-
计及多时空资源关联模式与深度数据挖掘的区域超短期风电功率预测联邦学习新框架
成熟度:可规模生产
技术类型:-
应用行业:电力、热力、燃气及水生产和供应业
技术简介
本项目弥补传统超短期功率预测方法对于资源时空关联性考虑的不足,基于特征提取技术和机器学习方法,充分挖掘风电场区域内的风速与邻近场站之间的时空关联性,为风电超短期预测提供完整有效的数拒基础。克服传统依靠风电局部信息进行孤立预测建模的缺陷,基于资源多维度关联性与集群聚合效应提出风电集群动态优化聚合分区技术,实现基于多源信息融合的风电功率超短期准确预测,提高风电超短期功率预测的准确性,进一步提升预测结果在调度中的应用程度,同时,考虑到大数据时代的数据安全问题,采用联邦学习框架,让参与方在不共享数据的基础上联合建模,能从技术上打破数据孤岛,对区域风电场实现多层次的集群预测,充分解决各层级的调度需求,进一步促进风电大规模消纳.
-
基于云团特征分析的分布式光伏系统超短期出力预测方法
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
基于云团特征分析的分布式光伏系统超短期出力预测方法,包括以下步骤首先对天空云团检测装置采集到的稀疏云团进行预处理,提取出云团的核心区域作为目标区域,进而对其影响光伏系统超短期功率输出的关键动态特征参数进行数学描述;通过图像预处理之后,接着在云团核心区域中寻找一个特殊点的运动情况来代表整个云团的运动情况;应用像素深浅差异聚类分析法进行厚度和数字化的描述,主要利用灰度分割法将灰度等级分类,并用伪彩色图处理,直观形象地表示云团不同区域的厚度;云团特征提取及出力预测;设计独立的基于稀疏云团动态特征的超短期出力预测软件模块及其数据库系统,基于云团特征分析的分布式光伏系统超短期出力预测。