基于风电天气分型特征选择的风电功率预测方法

    公开(公告)号:CN108710973B

    公开(公告)日:2021-08-06

    申请号:CN201810480398.1

    申请日:2018-05-18

    Applicant: 武汉大学

    Abstract: 本发明提供一种基于风电天气分型特征选择的风电功率预测方法,具体步骤包括:以历史数据集中的测风塔10m风速筛选数值天气预报风电天气样本段;对筛选样本段进行聚类,将风电天气划分为n类,未筛选的样本段作为第n+1类;对各类天气的输入特征分别进行选择,将W维特征降低到di(i=1,2,…,n+1)维,di是第i类天气筛选得到的特征数;建立n+1类风电天气下的风电功率预测模型;识别未来24h各段风电天气类型,并分别将各类风电天气关联的di(i=1,2,…,n+1)维特征作为预测输入,进行风电功率预测。本发明对不同持续时长的风电天气进行分型,采用以数据驱动的特征选择方法,发现不同天气背景下风机出力的关联天气特征并分别建立风电功率预测模型,有效提高了预测精度和效率。

    基于风电天气分型特征选择的风电功率预测方法

    公开(公告)号:CN108710973A

    公开(公告)日:2018-10-26

    申请号:CN201810480398.1

    申请日:2018-05-18

    Applicant: 武汉大学

    CPC classification number: G06Q10/04 G06K9/6218 G06K9/6232 G06Q50/06

    Abstract: 本发明提供一种基于风电天气分型特征选择的风电功率预测方法,具体步骤包括:以历史数据集中的测风塔10m风速筛选数值天气预报风电天气样本段;对筛选样本段进行聚类,将风电天气划分为n类,未筛选的样本段作为第n+1类;对各类天气的输入特征分别进行选择,将W维特征降低到di(i=1,2,L,n+1)维,di是第i类天气筛选得到的特征数;建立n+1类风电天气下的风电功率预测模型;识别未来24h各段风电天气类型,并分别将各类风电天气关联的di(i=1,2,L,n+1)维特征作为预测输入,进行风电功率预测。本发明对不同持续时长的风电天气进行分型,采用以数据驱动的特征选择方法,发现不同天气背景下风机出力的关联天气特征并分别建立风电功率预测模型,有效提高了预测精度和效率。

    模块化多电平换流器的子模块快速均压控制方法

    公开(公告)号:CN108683324B

    公开(公告)日:2019-10-01

    申请号:CN201810510041.3

    申请日:2018-05-24

    Applicant: 武汉大学

    Abstract: 本发明提供一种模块化多电平换流器的子模块快速均压控制方法,包括以下步骤:根据T‑1控制周期排序结果,将每个桥臂上的子模块分成投入组和切除组,记录投入组和切除组的组内子模块电压顺序;同时,记录T‑1控制周期桥臂电流的方向及切除组中子模块和投入组中子模块的数量,根据子模块数量进行不同操作。由系统的调制策略得到本周期应当投入的子模块个数k,判断桥臂电流的方向,若是给子模块充电,则将有序序列中电压最低的k个模块投入;若是给子模块放电,则将有序序列中电压最高的k个模块投入,并分别记录。其为解决传统的模块化多电平换流器在子模块数量较多时电压均衡策略计算量庞大的问题,提出一种能够显著降低计算量的子模块快速均压方法。

    模块化多电平换流器的子模块快速均压控制方法

    公开(公告)号:CN108683324A

    公开(公告)日:2018-10-19

    申请号:CN201810510041.3

    申请日:2018-05-24

    Applicant: 武汉大学

    Abstract: 本发明提供一种模块化多电平换流器的子模块快速均压控制方法,包括以下步骤:根据T‑1控制周期排序结果,将每个桥臂上的子模块分成投入组和切除组,记录投入组和切除组的组内子模块电压顺序;同时,记录T‑1控制周期桥臂电流的方向及切除组中子模块和投入组中子模块的数量,根据子模块数量进行不同操作。由系统的调制策略得到本周期应当投入的子模块个数k,判断桥臂电流的方向,若是给子模块充电,则将有序序列中电压最低的k个模块投入;若是给子模块放电,则将有序序列中电压最高的k个模块投入,并分别记录。其为解决传统的模块化多电平换流器在子模块数量较多时电压均衡策略计算量庞大的问题,提出一种能够显著降低计算量的子模块快速均压方法。

Patent Agency Ranking