当前位置: 首页 > 科技成果列表 > 科技成果详细

一种超短期风电功率滑动预测方法

技术类型:发明专利

技术成熟度:研发

转让方式:技术转让、技术许可、技术入股

专利申请日:2013-02-28

专利所属地 :中国

专利号:201310064615.6

应用领域:电力生产

技术领域:资源与环境

交易价格:面议专利价值评估

应用案例:否

了解与分析本科技成果,可查看成果概况并使用以下技术转移数智化应用工具:
成果概况
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。

该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。随后,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。同时,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。

(此文字表达经过AI优化完善,查看原文请点击 原文)
专利基本信息
专利名称 一种超短期风电功率滑动预测方法
专利状态 - 专利号(申请号) 201310064615.6
申请号 - 专利申请日期 2013-02-28
专利授权日期 2016-03-16 专利权届满日 -
专利所属地 中国 专利类型 发明专利
发明人 崔明建;孙元章;温彤
权利人 -
专利摘要 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。
成果评价分析
技术应用分析
服务案例
Baidu
map