会员体验
专利管家(专利管理)
工作空间(专利管理)
风险监控(情报监控)
数据分析(专利分析)
侵权分析(诉讼无效)
联系我们
交流群
官方交流:
QQ群: 891211   
微信请扫码    >>>
现在联系顾问~
热词
    • 10. 发明授权
    • 基于爬坡事件特征识别的风电功率短期预测方法和系统
    • CN112766583B
    • 2024-02-02
    • CN202110098335.1
    • 2021-01-25
    • 湖北省气象服务中心(湖北省专业气象服务台)
    • 崔杨陈正洪何英杰李芬熊雄杨戈许沛华徐涛涛
    • H02J3/00H02J3/38G06Q10/04G06Q10/0639G06Q50/06
    • 基于爬坡事件特征识别的风电功率短期预测方法和系统,预测方法包括以下步骤:利用最优旋转门算法识别出历史风电功率中具有爬坡趋势的功率段;利用移动滑窗算法进行爬坡趋势段的整合,识别爬坡事件;对识别出的爬坡事件进行分类;建立风电功率爬坡事件预测模型,进行爬坡事件功率预测;建立短期风电功率预测模型,获取初步风电功率预测结果;利用爬坡事件功率预测结果对初步风电功率预测结果进行订正,得到最终的短期风电功率预测结果。本发明结合风电爬坡事件识别进行风电功率短期预测,能够准确的预测出因转折性天气、极端气候事件造成的风电功率爬坡事件,从而有效提高风电功(56)对比文件叶林等.考虑风电功率爬坡的功率预测—校正模型.电力系统自动化.2019,第43卷(第6期),第49页“摘要”.崔明建等.风电功率爬坡事件问题研究.中国博士学位论文全文数据库(工程科技Ⅱ辑).2019,第33页至第36页“2.4算法应用:求解最优口宽参数”.张东英等.风电爬坡事件研究综述及展望.电网技术.2018,第42卷(第6期),第1787页“2.2评价指标”.王勃;汪步惟;杨明;赵元春;朱文立.风电爬坡事件的非精确条件概率预测.山东大学学报(工学版).2019,(第01期),全文.赵鹏;涂菁菁;杨锡运.基于PSO-KELM的风功率预测研究.电测与仪表.2020,(第11期),全文.张颖超;宗阳;邓华;成金杰;章璇.基于趋势特征的风电功率爬坡事件检测方法.电测与仪表.2020,(第18期),全文.杨茂;马剑;李大勇;刘红柳;孙涌.超短期风电功率爬坡事件检测和统计分析.电力系统保护与控制.2018,(第06期),全文.郭燕玲;赵晶;周林;张文煜;郭振海.山东半岛风电爬坡事件的识别与天气分析研究.气候与环境研究.2017,(第01期),全文.钱政;裴岩;曹利宵;王婧怡;荆博.风电功率预测方法综述.高电压技术.2016,(第04期),全文.欧阳庭辉;查晓明;秦亮;熊一;朱小帆.风电功率爬坡事件预测时间窗口的选取.电网技术.2015,(第02期),全文.欧阳庭辉;查晓明;秦亮;熊一;黄鹤鸣.基于相似性修正的风电功率爬坡事件预测方法.中国电机工程学报.2017,(第02期),全文.陶玉波;陈昊;秦晓辉;孟昭军.短期风电功率预测概念和模型与方法.电力工程技术.2018,(第05期),全文.任双雪;王毅钊;张寓涵;于继来.风电功率爬坡事件的滑动窗检测与实例分析.电网与清洁能源.2018,(第01期),全文.