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ReliefF和t-SNE的配电线路线变关系模型优化方法

    公开(公告)号:CN109002933A

    公开(公告)日:2018-12-14

    申请号:CN201810997313.7

    申请日:2018-08-29

    Applicant: 武汉大学

    Abstract: 本发明提供一种基于ReliefF和t-SNE的配电线路线变关系模型优化方法,所述方法首先采集配电线路的日输入电量和与其挂接的各变压器日用电量,进而得到日线损电量,其次由配电线路输入电量与变压器用电量的关系计算输入-用电电量差值比,由配电线路线损电量与变压器用电量的关系计算线损-用电电量差值比,各自形成序列并分别进行小波包分解与重构,计算各频带内能量占总能量的百分比作为初选特征,然后利用ReliefF算法计算各初选特征的权值,进行特征优化后,采用t-SNE方法将高维特征降维成低维特征,最后利用BP神经网络完成线变关系模型的优化。该方法能减轻人工现场勘查的工作量,通过挑选关键特征,降低特征维度,实现线变关系模型的优化。

Patent Agency Ranking