-
公开(公告)号：CN110389949A
公开(公告)日：2019-10-29
申请号：CN201910670516.X
申请日：2019-07-23
Applicant: 华北电力大学
IPC: G06F16/215 , G06F16/22 , G06Q10/00 , G06Q50/06
Abstract: 本发明公开了一种光伏阵列数据清洗方法，本发明可以能够识别清洗不同数据情况下的光伏阵列的异常数据，能适应各种不同运行工况下的光伏阵列,相比于传统的四分位方法，该发明的清洗方法能够避免因为异常数据堆叠形成分布参数畸变造成的识别结果偏移，提高清洗结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN110110912B
公开(公告)日：2021-09-28
申请号：CN201910343477.2
申请日：2019-04-26
Applicant: 华北电力大学 , 国网河北省电力有限公司 , 国网甘肃省电力公司电力科学研究院 , 国网甘肃省电力公司
Abstract: 本发明提供了一种基于极限学习机和核密度估计的光伏发电功率季节多模型区间预测方法，首先，分析光伏电站输出功率、功率偏差及功率变化率等指标，结果说明光伏出力和波动均呈现出明显的季节分布特征；通过极限学习机神经网络建立了光伏出力不同季节的确定性预测模型；其次，通过非参数核密度估计方法对确定性预测的误差分布进行拟合，继而得出满足一定置信水平的光伏功率预测区间。本发明能描述光伏功率在不同置信水平下可能的波动范围，提供评估预测区间可靠性的途径，为光伏电站在风险评估和系统可靠性分析方面提供支持。
-
公开(公告)号：CN110389949B
公开(公告)日：2022-12-16
申请号：CN201910670516.X
申请日：2019-07-23
Applicant: 华北电力大学
IPC: G06F16/215 , G06F16/22 , G06Q10/00 , G06Q50/06
Abstract: 本发明公开了一种光伏阵列数据清洗方法，本发明可以能够识别清洗不同数据情况下的光伏阵列的异常数据，能适应各种不同运行工况下的光伏阵列,相比于传统的四分位方法，该发明的清洗方法能够避免因为异常数据堆叠形成分布参数畸变造成的识别结果偏移，提高清洗结果的准确性。
-
公开(公告)号：CN111242371A
公开(公告)日：2020-06-05
申请号：CN202010025659.8
申请日：2020-01-10
Applicant: 华北电力大学
Abstract: 本发明公开了属于新能源技术领域的一种基于非迭代多模型的光伏发电短期预测校正方法，该方法包括获取光伏电站的历史数据以及数值天气预报数据，对数据进行季节分类并且建立季节性预测模型，进而得到初步预测值。然后通过非迭代的方法建立多个校正模型校正预测结果。本发明避免了累计误差的影响，可以使预测误差降低2％-6％左右，有效提高了预测精度，有利于电力系统的调度以及电网的安全稳定运行。
-
公开(公告)号：CN111242371B
公开(公告)日：2023-04-18
申请号：CN202010025659.8
申请日：2020-01-10
Applicant: 华北电力大学
Abstract: 本发明公开了属于新能源技术领域的一种基于非迭代多模型的光伏发电短期预测校正方法，该方法包括获取光伏电站的历史数据以及数值天气预报数据，对数据进行季节分类并且建立季节性预测模型，进而得到初步预测值。然后通过非迭代的方法建立多个校正模型校正预测结果。本发明避免了累计误差的影响，可以使预测误差降低2％‑6％左右，有效提高了预测精度，有利于电力系统的调度以及电网的安全稳定运行。
-
公开(公告)号：CN110110912A
公开(公告)日：2019-08-09
申请号：CN201910343477.2
申请日：2019-04-26
Applicant: 华北电力大学 , 国网河北省电力有限公司 , 国网甘肃省电力公司电力科学研究院 , 国网甘肃省电力公司
Abstract: 本发明提供了一种基于极限学习机和核密度估计的光伏发电功率季节多模型区间预测方法，首先，分析光伏电站输出功率、功率偏差及功率变化率等指标，结果说明光伏出力和波动均呈现出明显的季节分布特征；通过极限学习机神经网络建立了光伏出力不同季节的确定性预测模型；其次，通过非参数核密度估计方法对确定性预测的误差分布进行拟合，继而得出满足一定置信水平的光伏功率预测区间。本发明能描述光伏功率在不同置信水平下可能的波动范围，提供评估预测区间可靠性的途径，为光伏电站在风险评估和系统可靠性分析方面提供支持。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
