-
公开(公告)号：CN119669865A
公开(公告)日：2025-03-21
申请号：CN202510180694.X
申请日：2025-02-19
Applicant: 广东工业大学
IPC: G06F18/241 , G06N3/045 , G06N3/0475 , G06N3/084 , G06Q50/06 , G06F18/15 , G06F18/214 , G06F18/25 , H02J3/00 , H02J3/38 , F03D17/00
Abstract: 本发明提出一种海上风电功率爬坡预测方法及系统，涉及电力系统预测与控制的技术领域，方法包括：获取海上风电场的多源数据集；对多源数据集进行预处理，得到气象驱动因子、风电功率的时间戳和海上风电场的地理特征信息；将气象驱动因子、风电功率、时间戳和地理特征信息整理成统一格式的爬坡数据，对爬坡数据进行扩充，得到爬坡数据集；构建用于预测风电功率爬坡事件的多维协同图感知网络；利用爬坡数据集对多维协同图感知网络进行训练，得到训练好的多维协同图感知网络；采集海上风电场的待预测多源数据集，将待预测多源数据集输入训练好的多维协同图感知网络，输出风电功率爬坡事件的预测结果。本发明有效提高了风电功率爬坡事件预测精度。
-
公开(公告)号：CN119646407B
公开(公告)日：2025-05-16
申请号：CN202510163171.4
申请日：2025-02-14
Applicant: 广东工业大学
IPC: G06F18/10 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/047 , G06N3/096 , H02J3/00 , H02J3/38 , G06F123/02
Abstract: 本发明提供一种基于数据增强和隐藏层增量级联的风功率预测方法及系统，方法包括：采集初始样本集并进行预处理，同时划分训练集、验证集和测试集；基于传统RVFL模型，引入隐藏层节点新增机制，构建HLICRVFL模型；利用训练集对HLICRVFL模型进行初步训练；在训练集中添加学生t分布噪声，生成新的训练集，并对新增节点进行训练，原始节点的参数保持不变，不断进行训练直到模型收敛，最后利用最优的模型进行风电功率预测；本发明采用隐藏层增量的训练模式，无需重新训练所有参数，只需训练新增节点，显著降低了计算成本；此外，本发明基于学生t分布进行数据增强，能够生成质量更高的训练样本，进一步提升模型的预测精度。
-
公开(公告)号：CN119674966B
公开(公告)日：2025-05-02
申请号：CN202510196822.X
申请日：2025-02-21
Applicant: 广东工业大学
IPC: H02J3/00 , H02J3/38 , G06Q10/04 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06Q50/06
Abstract: 本发明涉及风电功率预测技术领域，公开了一种基于多尺度时空关联的风电场机群功率预测方法及系统，方法包括获取各风机的运行数据、环境数据和地理位置数据，并进行预处理，生成基础特征矩阵；构建地理位置矩阵、历史风速相似关联矩阵和尾流效应动态关系矩阵；通过空间特征融合单元对基础特征矩阵进行多尺度时空关联建模，并与尾流效应动态关系矩阵进行融合，生成多尺度动态关系矩阵；对风机的入度邻居节点和出度邻居节点进行信息聚合，生成每个风机的节点嵌入表示；将每个风机的节点嵌入表示输入多尺度时间卷积神经网络预测模型进行处理，得到风电功率预测值。本发明解决了传统方法对风机间时空相关性建模不全面的问题，提升了功率预测精度。
-
公开(公告)号：CN119674967A
公开(公告)日：2025-03-21
申请号：CN202510200743.1
申请日：2025-02-24
Applicant: 广东工业大学
IPC: H02J3/00 , H02J3/38 , G06F18/241 , G06N3/042 , G06Q30/0283 , G06Q50/06 , G06F18/21 , G06F18/214 , G06F18/2415 , G06F18/25
Abstract: 本发明涉及一种面向多地区的风电、负荷和电价联合预测方法及系统。首先采集多个地区的风电、负荷和电价数据，获取相关的气象和地理位置信息，将获取到的数据进行处理，形成特征输入通道；然后，通过对图的拉普拉斯矩阵进行频率分解，构建多尺度图卷积，捕捉特征通道中的多尺度信息；定义新的损失函数和参数更新规则，以优化模型训练；随后，共享中间特征层通过将所有目标变量的中间特征整合在一起，形成共享特征矩阵，并输入至模型进行训练，最后对风电、负荷和电价目标变量进行同时输出。本发明能够提炼每个地区的独特特征，并捕捉不同地区和目标变量之间的相互依赖，显著提升预测精度，适用于多地区风电出力、负荷需求及电价预测等场景。
-
公开(公告)号：CN118508529A
公开(公告)日：2024-08-16
申请号：CN202410963055.6
申请日：2024-07-18
Applicant: 广东工业大学
Abstract: 本发明涉及一种整合风电的电力系统经济调度方法，包括建立风电集成的电力系统模型并输入常规约束条件，基于阻尼比函数，对电力系统模型设置稳定性约束条件并得到稳定性分区策略，基于稳定分区策略构建电力系统模型稳定性运行条件下的多目标函数，计算原调度方案的系统稳定性裕度，基于多目标函数的约束条件和原调度方案系统稳定性裕度，确定算法探索范围，基于功率灵敏度，构建基于引导因子优化的纵横交叉算法，由纵横交叉算法求出算法探索范围内的多目标调度结果并更新原调度方案，采用更新后的调度方案安排发电计划并获取相应计算发电成本。本方案的调度方法对整合风电的电力系统进行调度时，能够有效的实现电力系统的经济调度和稳定控制。
-
Patent Agency Ranking
公开(公告)号：CN119669865B
公开(公告)日：2025-05-16
申请号：CN202510180694.X
申请日：2025-02-19
Applicant: 广东工业大学
IPC: G06F18/241 , G06N3/045 , G06N3/0475 , G06N3/084 , G06Q50/06 , G06F18/15 , G06F18/214 , G06F18/25 , H02J3/00 , H02J3/38 , F03D17/00
Abstract: 本发明提出一种海上风电功率爬坡预测方法及系统，涉及电力系统预测与控制的技术领域，方法包括：获取海上风电场的多源数据集；对多源数据集进行预处理，得到气象驱动因子、风电功率的时间戳和海上风电场的地理特征信息；将气象驱动因子、风电功率、时间戳和地理特征信息整理成统一格式的爬坡数据，对爬坡数据进行扩充，得到爬坡数据集；构建用于预测风电功率爬坡事件的多维协同图感知网络；利用爬坡数据集对多维协同图感知网络进行训练，得到训练好的多维协同图感知网络；采集海上风电场的待预测多源数据集，将待预测多源数据集输入训练好的多维协同图感知网络，输出风电功率爬坡事件的预测结果。本发明有效提高了风电功率爬坡事件预测精度。
-
公开(公告)号：CN119674966A
公开(公告)日：2025-03-21
申请号：CN202510196822.X
申请日：2025-02-21
Applicant: 广东工业大学
IPC: H02J3/00 , H02J3/38 , G06Q10/04 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06Q50/06
Abstract: 本发明涉及风电功率预测技术领域，公开了一种基于多尺度时空关联的风电场机群功率预测方法及系统，方法包括获取各风机的运行数据、环境数据和地理位置数据，并进行预处理，生成基础特征矩阵；构建地理位置矩阵、历史风速相似关联矩阵和尾流效应动态关系矩阵；通过空间特征融合单元对基础特征矩阵进行多尺度时空关联建模，并与尾流效应动态关系矩阵进行融合，生成多尺度动态关系矩阵；对风机的入度邻居节点和出度邻居节点进行信息聚合，生成每个风机的节点嵌入表示；将每个风机的节点嵌入表示输入多尺度时间卷积神经网络预测模型进行处理，得到风电功率预测值。本发明解决了传统方法对风机间时空相关性建模不全面的问题，提升了功率预测精度。
-
公开(公告)号：CN118508529B
公开(公告)日：2024-10-15
申请号：CN202410963055.6
申请日：2024-07-18
Applicant: 广东工业大学
Abstract: 本发明涉及一种整合风电的电力系统经济调度方法，包括建立风电集成的电力系统模型并输入常规约束条件，基于阻尼比函数，对电力系统模型设置稳定性约束条件并得到稳定性分区策略，基于稳定分区策略构建电力系统模型稳定性运行条件下的多目标函数，计算原调度方案的系统稳定性裕度，基于多目标函数的约束条件和原调度方案系统稳定性裕度，确定算法探索范围，基于功率灵敏度，构建基于引导因子优化的纵横交叉算法，由纵横交叉算法求出算法探索范围内的多目标调度结果并更新原调度方案，采用更新后的调度方案安排发电计划并获取相应计算发电成本。本方案的调度方法对整合风电的电力系统进行调度时，能够有效的实现电力系统的经济调度和稳定控制。
-
公开(公告)号：CN119646407A
公开(公告)日：2025-03-18
申请号：CN202510163171.4
申请日：2025-02-14
Applicant: 广东工业大学
IPC: G06F18/10 , G06F18/214 , G06F18/21 , G06N3/045 , G06N3/047 , G06N3/096 , H02J3/00 , H02J3/38 , G06F123/02
Abstract: 本发明提供一种基于数据增强和隐藏层增量级联的风功率预测方法及系统，方法包括：采集初始样本集并进行预处理，同时划分训练集、验证集和测试集；基于传统RVFL模型，引入隐藏层节点新增机制，构建HLICRVFL模型；利用训练集对HLICRVFL模型进行初步训练；在训练集中添加学生t分布噪声，生成新的训练集，并对新增节点进行训练，原始节点的参数保持不变，不断进行训练直到模型收敛，最后利用最优的模型进行风电功率预测；本发明采用隐藏层增量的训练模式，无需重新训练所有参数，只需训练新增节点，显著降低了计算成本；此外，本发明基于学生t分布进行数据增强，能够生成质量更高的训练样本，进一步提升模型的预测精度。
-
公开(公告)号：CN119627909A
公开(公告)日：2025-03-14
申请号：CN202510156840.5
申请日：2025-02-13
Applicant: 广东工业大学
IPC: H02J3/00 , H02J3/38 , G06F18/15 , G06F18/2135 , G06F18/27 , G06F16/29 , G06N3/042 , G06N3/0464 , G06N3/045
Abstract: 本发明提出一种具有多层次时空感知的海上风电功率预测方法及系统，涉及海上风电功率预测的技术领域，首先，确定风机的空间关系，构建二维静态平面特征，获取多层次海拔高度下的多维时序风电气象特征，对每个层次海拔高度下的多维时序风电气象特征进行降维，为降维后的多维时序风电气象特征分配权重，获得每个层次海拔高度下降维后的特征矩阵，基于特征矩阵构建局部图特征，将局部图特征和二维静态平面特征合并为全局空间图特征，最后，利用线性回归预测模型进行风电功率预测。本发明对风电场风机地理位置信息、气象信息充分利用，同时考虑不同海拔高度上多种气象因素有效减少因风力发电不确定性带来的预测误差，提升海上风电功率预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
