-
公开(公告)号:CN105939026A
公开(公告)日:2016-09-14
申请号:CN201610364697.X
申请日:2016-05-27
Applicant: 电子科技大学
CPC classification number: Y02E10/763 , Y02E60/76 , Y04S40/22 , H02J3/386 , G06F17/5036 , H02J2003/007
Abstract: 本发明公开了一种基于混合Laplace分布的风电功率波动量概率分布模型建立方法,首先根据风电场实测的风电功率数据和预设的时间尺度计算风电功率波动量序列,构建混合Laplace分布模型,根据风电功率波动量序列求解得到混合Laplace分布模型的参数,从而得到风电功率概率分布模型。采用本发明所得到的风电功率概率分布模型,能准确描述风功率波动特性,特别是提高了风功率波动分布的重尾特性描述的精确度;针对不同的时空尺度水平风功率波动的描述问题上,该模型也能达到满意的精度。
-
公开(公告)号:CN105939026B
公开(公告)日:2018-05-29
申请号:CN201610364697.X
申请日:2016-05-27
Applicant: 电子科技大学
CPC classification number: Y02E10/763 , Y02E60/76 , Y04S40/22
Abstract: 本发明公开了一种基于混合Laplace分布的风电功率波动量概率分布模型建立方法,首先根据风电场实测的风电功率数据和预设的时间尺度计算风电功率波动量序列,构建混合Laplace分布模型,根据风电功率波动量序列求解得到混合Laplace分布模型的参数,从而得到风电功率概率分布模型。采用本发明所得到的风电功率概率分布模型,能准确描述风功率波动特性,特别是提高了风功率波动分布的重尾特性描述的精确度;针对不同的时空尺度水平风功率波动的描述问题上,该模型也能达到满意的精度。
-
公开(公告)号:CN106295857A
公开(公告)日:2017-01-04
申请号:CN201610614796.9
申请日:2016-07-29
Applicant: 电子科技大学
CPC classification number: Y02E40/76 , Y04S10/545 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开了一种风电功率超短期预测方法,利用GA-BP神经网络、支持向量机、小波神经网络和ARMA时间序列4种单项预测模型的前几个时刻的预测精度均值作为预测时刻风电功率的诱导值,解决了预测时刻诱导值未知的问题;再采用误差信息矩阵进行冗余度分析,然后利用Theil不等系数建立基于IOWA算子的优化模型,通过分析和实测风电功率预测数据表明:结合Theil不等系数和诱导有序加权算数平均算子(IOWA)的组合模型能有效提高风电功率预测精度,增强了风电并网的稳定性和经济性。
-
公开(公告)号:CN106294216A
公开(公告)日:2017-01-04
申请号:CN201610656136.7
申请日:2016-08-11
Applicant: 电子科技大学
IPC: G06F12/123
CPC classification number: G06F12/123 , G06F2212/1016
Abstract: 本发明公开了一种本发明用于风电系统的缓存替换方法,采用文档对象大小、访问频率、访问时间间隔和最近访问时间间隔来构建文档对象评价值的计算公式,当风电系统缓存服务器中的文档对象需要进行替换时,计算得到缓存服务器中现有文档对象的评价值,选择现有文档对象中评价值最大的数据对象进行替换。本发明考虑风电系统的特性,结合多个因素提出评价计算公式,实验证明采用本发明可以提高风电系统的缓存替换有效性,进而提高风电系统缓存服务器的访问性能。
-
公开(公告)号:CN106294216B
公开(公告)日:2019-03-05
申请号:CN201610656136.7
申请日:2016-08-11
Applicant: 电子科技大学
IPC: G06F12/123
Abstract: 本发明公开了一种本发明用于风电系统的缓存替换方法,采用文档对象大小、访问频率、访问时间间隔和最近访问时间间隔来构建文档对象评价值的计算公式,当风电系统缓存服务器中的文档对象需要进行替换时,计算得到缓存服务器中现有文档对象的评价值,选择现有文档对象中评价值最大的数据对象进行替换。本发明考虑风电系统的特性,结合多个因素提出评价计算公式,实验证明采用本发明可以提高风电系统的缓存替换有效性,进而提高风电系统缓存服务器的访问性能。
-
-
-
-