-
公开(公告)号：CN117744537A
公开(公告)日：2024-03-22
申请号：CN202410059803.8
申请日：2024-01-16
Applicant: 南京信息工程大学
IPC: G06F30/28 , G06F18/25 , G06F17/11 , G06F17/18 , G06N3/0464 , G06N3/08 , G06F17/16 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种高铁沿线秒级风速信号特性分析及动态风场重构方法。首先，采用时域分析和频域分析相结合描述风信号变化状态，将铁路站点秒级风速数据划分不同时距，提取平均风和脉动风，统计分析风速信号特征参数，构造多要素不同时距风速临界状态变化特征状态方程。其次，提取沿线地形数据，建立静态小尺度风场重构模型，分析秒级信号的时空依赖关系并结合深度学习，进行空间降尺度和时间降尺度，得到“秒‑百米”级静态风场。最后，建立沿线最大秒级风速超前预测框架，将“秒‑百米”级静态风场和实时风速进行多源信息融合，将预测数据替换为实时风速输入到融合模型，重构“秒‑百米”级未来动态风场，精准捕获高铁沿线秒级瞬时最大风速。
-
公开(公告)号：CN116388184B
公开(公告)日：2023-08-15
申请号：CN202310653736.8
申请日：2023-06-05
Applicant: 南京信息工程大学
IPC: H02J3/00 , G01P5/00 , G06N3/0442 , G06N3/047 , G06N3/08 , G06F18/213 , G06F18/23213 , G06F123/02
Abstract: 本发明公开了一种基于风速日波动特征的超短期风速修订方法、系统，该方法为：通过构建VSDA模型对历史风速数据进行风速日分段、波动特征提取以及分类，为风速修订算法提供风速日数据与风速波动标记，高度概括了风速间的相关性与风速波动特征；而后将过往风速日数据、对应波动标记与数值天气预报风速预测数据作为模型输入，结合经过贝叶斯优化的长短期记忆神经网络算法实现对数值天气预报风速预测值修订。本发明提出的修订方法可有效地提高风速预测值的准确度，使得风速预测值可靠性大幅提升，增强了风电功率预测的准确度，具有一定的实用价值。
-
公开(公告)号：CN116388184A
公开(公告)日：2023-07-04
申请号：CN202310653736.8
申请日：2023-06-05
Applicant: 南京信息工程大学
IPC: H02J3/00 , G01P5/00 , G06N3/0442 , G06N3/047 , G06N3/08 , G06F18/213 , G06F18/23213 , G06F123/02
Abstract: 本发明公开了一种基于风速日波动特征的超短期风速修订方法、系统，该方法为：通过构建VSDA模型对历史风速数据进行风速日分段、波动特征提取以及分类，为风速修订算法提供风速日数据与风速波动标记，高度概括了风速间的相关性与风速波动特征；而后将过往风速日数据、对应波动标记与数值天气预报风速预测数据作为模型输入，结合经过贝叶斯优化的长短期记忆神经网络算法实现对数值天气预报风速预测值修订。本发明提出的修订方法可有效地提高风速预测值的准确度，使得风速预测值可靠性大幅提升，增强了风电功率预测的准确度，具有一定的实用价值。
-
公开(公告)号：CN103278867A
公开(公告)日：2013-09-04
申请号：CN201310159628.1
申请日：2013-05-03
Applicant: 南京信息工程大学
IPC: G01W1/00
Abstract: 本发明公开了一种基于经验模态分解的自动气象站数据质量控制方法，将经验模态分解用于自动气象站数据质量控制，该方法首先对单站数据进行采集，然后对采集的数据做基本质量控制后，再进行EEMD（经验模态）分解得到本征模分量和趋势项，进一步对本征模分量和趋势项做加权处理，得到赋权本征模分量和赋权后的趋势项，最后对赋权后的本征模分量和赋权后的趋势项做数据重构，得到去噪后的数据，完成去噪过程，该方法在基本质量控制方法的基础上弥补了目前质量控制方法不能消除随机噪声、系统噪声、微气象噪声和粗大噪声的缺点，提高了自动气象站观测数据的质量。
-
公开(公告)号：CN118761000A
公开(公告)日：2024-10-11
申请号：CN202410833761.9
申请日：2024-06-26
Applicant: 南京信息工程大学
IPC: G06F18/2433 , G06F18/23213 , G06N3/006 , G01W1/10
Abstract: 本发明公开了一种基于复杂地形的地面气温质量控制方法，首先，构建复杂地形相关指数，用以衡量站点间的复杂地形相关性，并从气温数据相关性和站点复杂地形相关性两个角度衡量临近站与目标站的相关性，通过聚类算法筛选相关性高的站点作为参考站；然后，使用距离、余弦相似度和复杂地形相关指数共同构建权重指标，通过粒子群优化算法对模型中的平滑参数进行优化，利用预测模型对气温观测值进行回归预测；最后，将预测值与目标站观测值进行对比，识别出观测数据中的异常值。该方法弥补了传统多站质量控制方法在复杂地形区域质量控制效果不佳的不足，能有效识别可疑气温数据并标记，进一步提高了复杂地形下地面气温资料的准确性和完整性。
-
Patent Agency Ranking
公开(公告)号：CN118536015A
公开(公告)日：2024-08-23
申请号：CN202410607406.X
申请日：2024-05-16
Applicant: 南京信息工程大学
IPC: G06F18/2431 , G06F18/27 , G06F18/15 , G06Q10/04 , G06Q50/40 , G06N3/0464 , G06N3/049 , G06N3/08 , G01P5/00
Abstract: 本发明提出了一种基于风速状态变化的高铁沿线风速预测方法，包括构建向量自回归模型，利用马尔科夫状态将铁路沿线历史风速进行三区制划分，并获得相应的风速序列；基于风速序列，基于波动函数剔除风速序列中Hurst指数小于0.5的片段，获得不同时间尺度序列片段；采用变分模态分解模型将步骤S2中不同时间尺度序列片段分解为本征模态分量，计算该分量的Hurst指数并进行分类；根据分量的特点，采用不同的方法对其进行风速预测，并将不同分量的预测结果进行相加，得到最终的风速预测结果。本发明能够有效提高预测精确度。
-
公开(公告)号：CN117878933B
公开(公告)日：2024-05-28
申请号：CN202410281864.9
申请日：2024-03-13
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于突变气象环境识别的风电功率预测方法，包括收集历史气象数据并对其进行预处理，基于该数据，利用动态自适应的突发气象环境识别算法识别突变气象时段，得到突变气象事件；利用风速相似系数对预测风速时段进行相似时段匹配，得到与预测时段具有相同趋势特征的历史趋同突变气象事件；构建基于注意力机制的Transformer风电功率预测模型，将突变气象事件与历史趋同突变气象事件转为多维输入数据输入到该模型中，实现功率预测。本发明可对复杂大量气象数据实现自动精准识别，可有效的利用同类气象事件之间的趋同性提高突发气象环境下的风电功率预测准确度，保障了电网输入端的可控可预测性。
-
公开(公告)号：CN117851736B
公开(公告)日：2024-05-14
申请号：CN202410256885.5
申请日：2024-03-07
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于模糊自适应寻优融合的气象要素插值方法，包括对设定数量的插值方法使用研究区内实测站点的气象观测数据进行k折交叉插值验证得到精度排序；选取排名前m个插值方法作为待选子方法元素，并对n个实测站点进行留一法插值运算，得到相应的插值结果并计算求得误差矩阵，进而构建模糊隶属度矩阵，基于该矩阵，计算基于隶属度的权重系数矩阵；将插值结果与权重系数矩阵进行实测站插值数据融合，得到相应的精准度指数；进行迭代操作，获取最优子方法元素个数；进行最优子方法元素插值，得到预测点处的空间插值结果，结合预测点隶属度权重系数，加权得到预测点插值融合数据。本发明可有效提升插值结果精度，具有一定的实用价值。
-
公开(公告)号：CN117390340A
公开(公告)日：2024-01-12
申请号：CN202311288694.9
申请日：2023-10-07
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种风速动态时间规整方法、系统，该方法包括：对采集的空间多个站点的风速风向时间序列进行预处理，得到完整的风速时间序列和风向时间序列；将完整的风速时间序列进行编码，并计算风速时间序列之间的匹配代价；将完整的风向时间序列进行编码，并计算风速时间序列之间的匹配代价；将两种时间序列的匹配代价从一维拓展至二维，结合风向和站点间位置的空间关系优化匹配最小路径；结合匹配最小路径，计算风速动态时间规整得分。本发明可以在进行空间风速的插值和预测之前，预先选取目标位置合理的待处理风速，提高了空间风速插值和预测精度。
-
公开(公告)号：CN112132344A
公开(公告)日：2020-12-25
申请号：CN202011011176.9
申请日：2020-09-23
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于相似日和FRS‑SVM的短期风电功率预测方法，属于短期风电功率预测方法技术领域。该方法采用离散Fréchet距离作为相似性判据，定义预测日与历史日之间的整体相似度公式，并以此匹配相似日样本。相似日样本缩减了样本量，提高了建模数据的相似性。然后针对原始特征存在相互关联、非线性和不相关性等特点，增加了训练模型的复杂度，引入模糊粗糙集（FRS）方法消除冗余特征，优化SVM模型的输入。相似日方法和FRS方法同时在样本数量和样本特征2个层面对数据进行预处理，节约了SVM模型的训练时间，提高了预测精度。本发明能够有效改善预测拐点处预测精度的不足，具有一定的实用价值。
-
-
-
-
-
-
-
-
-
Search Results
56
records
(took 0.032 seconds)
