-
公开(公告)号：CN109711609B
公开(公告)日：2022-08-12
申请号：CN201811539356.7
申请日：2018-12-15
Applicant: 福州大学
Abstract: 本发明涉及一种基于小波变换和极限学习机的光伏电站输出功率预测方法。首先，从光伏电站的历史发电及气象环境参数监测数据集中，提取光伏电站的预测数据集；其次，对光伏电站预测数据集进行预处理；再而，采用PCA算法从光伏电站历史功率数据中提取特征，并利用K‑means算法进行二分类，分为光滑型和波动型；最后，通过NWP获取待预测日的气象特征参数生成测试集并由欧氏距离判定其类型，遍历寻找最优训练集。光滑型直接利用极限学习机网络对光伏电站输出功率进行预测。而波动型则需要经过WT算法对数据各对象进行特征提取并逐一预测并将预测值重构。本发明所提出的基于极限学习机光伏电站输出功率预测方法，能够有效提高光伏电站输出功率预测的准确性。
-
公开(公告)号：CN112149905A
公开(公告)日：2020-12-29
申请号：CN202011025599.6
申请日：2020-09-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于小波变换和小波神经网络的光伏电站短期功率预测方法，包括步骤：选取与光伏功率最为相关的四种气象参数作为模型的输入；对待预测日之前的设定天数历史数据进行处理，作为训练数据集；使用小波变换将训练数据集中的历史数据均分解为稳态分量和非稳态分量；采用小波神经网络对训练数据集进行学习，针对稳态分量和非稳态分量分别训练对应的小波神经网络模型，并用随机梯度下降法调整网络的参数；将待预测日的NWP气象参数归一化并使用小波变换分解为稳态分量和非稳态分量，然后将之作为对应模型的输入，得出各个预测的功率值分量，各功率分量求和并反归一化即为预测的最终功率值。本发明能够有效提高短期功率的预测精度。
-
公开(公告)号：CN110247047A
公开(公告)日：2019-09-17
申请号：CN201910663577.3
申请日：2019-07-23
Applicant: 福州大学
IPC: H01M4/36 , H01M4/38 , H01M4/62 , H01M10/052
Abstract: 本发明提供一种锂硫电池正极材料及其制备方法。所述的锂硫电池正极材料，包括容纳硫的多孔碳材料和负载在所述的多孔碳材料外层的金属硫化物；所述的容纳硫的多孔碳材料中的硫包括多孔道的硫单质和在其孔道中的液态金属。本发明采用多孔道的单质硫，可以减少电极材料的膨胀且增强离子传导；多孔道硫单质中的液态金属，减小碳材料与硫单质之间的接触电阻，增大了单质硫与导电体之间的接触面积，从而对单质硫形成多硫化合物起到了催化作用；碳材料外的金属硫化物，对于在放电过程中形成的S2-具有很好的吸附作用。多孔道硫单质中的液态金属与包裹在负载硫的多孔碳外的金属硫化物的协同吸附催化作用，使得该电极材料具有高能量密度和高循环稳定性。
-
公开(公告)号：CN112949936A
公开(公告)日：2021-06-11
申请号：CN202110331087.0
申请日：2021-03-29
Applicant: 福州大学
Abstract: 本发明提出一种基于相似日小波变换和多层感知机的短期光伏功率预测方法，采用人工智能技术搭建功率预测模型，建立了一种基于相似日小波变换和多层感知机的短期光伏功率预测模型。本发明所提模型将多种算法的优点结合了起来，能有效提高预测的准确度。其主要创新点在于将相似日小波变换和多层感知机结合用于预测光伏电站输出功率的研究。
-
公开(公告)号：CN109543269A
公开(公告)日：2019-03-29
申请号：CN201811352490.6
申请日：2018-11-14
Applicant: 福州大学
Abstract: 本发明提供了一种基于混合信任区间反射的光伏模型参数辨识方法，属于太阳能电池及光伏发电阵列的检测技术领域。一种基于混合信任区间反射的光伏模型参数辨识方法，结合了人工蜂群算法强大的全局搜索能力和信任区间反射法强大的局部搜索能力，进一步提高了光伏模型参数提取的速度，精度和收敛性。
-
Patent Agency Ranking
公开(公告)号：CN109286368A
公开(公告)日：2019-01-29
申请号：CN201811343016.7
申请日：2018-11-13
Applicant: 福州大学
Abstract: 本发明提供了一种基于B/S架构的光伏阵列在线健康监测系统及其实现方法，属于光伏健康监测服务器相关领域。一种基于B/S架构的光伏阵列在线健康监测系统，包括采集传感电路，微型电脑和远程在线监测服务器，所述采集传感电路用于光伏阵列故障诊断的样本数据采集与所述微型电脑相连，所述微型电脑将所述样本数据发送给所述远程在线监测服务器,所述远程在线监测服务器用于显示微型电脑传来的样本数据，可以完成对光伏阵列的监测和故障诊断功能，对光伏健康监测的应用具有一定的实用价值。
-
公开(公告)号：CN109543269B
公开(公告)日：2023-04-18
申请号：CN201811352490.6
申请日：2018-11-14
Applicant: 福州大学
Abstract: 本发明提供了一种基于混合信任区间反射的光伏模型参数辨识方法，属于太阳能电池及光伏发电阵列的检测技术领域。一种基于混合信任区间反射的光伏模型参数辨识方法，结合了人工蜂群算法强大的全局搜索能力和信任区间反射法强大的局部搜索能力，进一步提高了光伏模型参数提取的速度，精度和收敛性。
-
公开(公告)号：CN110766134A
公开(公告)日：2020-02-07
申请号：CN201910910254.X
申请日：2019-09-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于循环神经网络的光伏电站短期功率预测方法，包括如下步骤：步骤S1：根据待预测日的天气类型，得到对应的NWP气象参数；步骤S2：采集待预测日之前的若干天历史数据；步骤S3:对历史数据进行处理，并将处理后的历史数据作为训练数据集；步骤S4：采用循环神经网络对训练数据集进行学习，并用随机梯度下降法调整网络的参数，得到预测模型；步骤S5：将待预测日的NWP气象参数作为预测模型的输入，得出预测的功率值。本发明能够显著提高光伏电站短期功率预测的精度和可靠性。
-
公开(公告)号：CN110334870A
公开(公告)日：2019-10-15
申请号：CN201910613978.8
申请日：2019-07-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于门控循环单元网络的光伏电站短期功率预测方法。该方法包括：包括以下步骤：步骤S1：根据待预测日的天气类型选取气象参数作为模型输入，不同的天气类型，占主导地位的气象参数不同；步骤S2：对待预测日之前的20天历史数据进行处理，剔除异常值和黑夜的值，然后对历史功率和历史NWP气象参数进行归一化处理，将其作为训练数据集；步骤S3：采用门控循环单元网络对训练数据集进行学习，并用方均根反向传播算法调整网络的参数；步骤S4：将待预测日的NWP气象参数作为模型的输入，得出预测的功率值。本发明方法能够显著提高光伏电站短期功率预测的精度和可靠性。
-
公开(公告)号：CN110334870B
公开(公告)日：2022-05-31
申请号：CN201910613978.8
申请日：2019-07-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于门控循环单元网络的光伏电站短期功率预测方法。该方法包括：包括以下步骤：步骤S1：根据待预测日的天气类型选取气象参数作为模型输入，不同的天气类型，占主导地位的气象参数不同；步骤S2：对待预测日之前的20天历史数据进行处理，剔除异常值和黑夜的值，然后对历史功率和历史NWP气象参数进行归一化处理，将其作为训练数据集；步骤S3：采用门控循环单元网络对训练数据集进行学习，并用方均根反向传播算法调整网络的参数；步骤S4：将待预测日的NWP气象参数作为模型的输入，得出预测的功率值。本发明方法能够显著提高光伏电站短期功率预测的精度和可靠性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.016 seconds)
