-
公开(公告)号：CN116484313A
公开(公告)日：2023-07-25
申请号：CN202310374105.2
申请日：2023-04-10
Applicant: 国网江苏省电力有限公司盐城供电分公司
Abstract: 本发明公开了一种基于最优插值的多源气象数据融合方法方法，包括以下步骤：1)获取再分析数据，对数据进行基于聚类方法的异常点剔除；2)获取卫星数据，对卫星数据进行连续性、一致性检验；3)：最优插值权函数求解；4)将预处理后的数据进行克里金插值，统一分辨率；最优插值融合；5)基于最优插值法进行数据融合。本发明提供一种基于最优插值法的多源气象数据融合方法，通过最优插值技术，把卫星遥感数据与再分析数据结合起来，形成高分辨率的总云量数据集，这将对近海区域研究以及太阳能开发利用都有重要的意义。
-
公开(公告)号：CN117613879A
公开(公告)日：2024-02-27
申请号：CN202311583211.8
申请日：2023-11-24
Applicant: 国网江苏省电力有限公司盐城供电分公司
Abstract: 本发明提供了一种中低压台区分布式光伏功率预测方法，包括：对目标区域内的光伏电站进行聚类，得到虚拟集群单元；在虚拟集群单元中选择基准光伏电站；利用中尺度预报模式对目标区域按照虚拟集群单元对应子区域进行分区域时空气象要素预报，分别得到每一基准光伏电站对应子区域的预报时空气象要素；依次利用预报时空气象要素对对应的基准光伏电站进行功率预测，得到基准功率预测结果；基于基准功率预测结果和基准光伏电站与子区域的功率关系模型得到子区域的功率预测结果；利用光伏发电原理对各子区域的光伏利用效率分析，修正子区域的功率预测结果及其最大、最小功率预测曲线，得到得到功率预测结果。本发明能够准确对分布式光伏的功率进行预测。
-
公开(公告)号：CN117574226A
公开(公告)日：2024-02-20
申请号：CN202311525272.9
申请日：2023-11-16
Applicant: 国网江苏省电力有限公司 , 江苏方天电力技术有限公司 , 国网江苏省电力有限公司盐城供电分公司
IPC: G06F18/241 , G06F18/25 , G06N3/0499 , G06N3/048 , G06N3/08 , G01W1/10
Abstract: 本发明公开了一种融合多源数据与自组织神经网络的数值天气预报订正方法及装置，所述方法包括：获取来自多个数据源的实时观测数据和实时数值预报结果、历史观测数据及其对应的同期历史数值预报结果，历史观测数据及其对应的同期历史数值预报结果用于训练预先构建的自组织神经网络；基于实时观测数据和实时数值预报结果，利用预先训练的自组织神经网络进行预报点分类，得到预报点分类结果；基于预先构建的机器学习模型和预报点分类结果，采用网格搜索方法得到各类预报点的最优机器学习模型；根据最优机器学习模型得到各类预报点对应的订正系数，基于所述订正系数对实时数值预报结果进行订正。本发明能够提高数值天气预报订正的准确性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN119150183A
公开(公告)日：2024-12-17
申请号：CN202411128804.X
申请日：2024-08-16
Applicant: 国网江苏省电力有限公司 , 国网江苏省电力有限公司盐城供电分公司 , 国网江苏省电力有限公司双创中心
IPC: G06F18/2433 , G06F18/22 , G06F18/214 , G06N3/0442 , G06N3/0464
Abstract: 本发明提供了一种基于特征和时间相关性的储能电站采集异常检测方法，包括：(1)：首先进行多路采集的流量信息统计和预处理，进行数据规范化处理；(2)：使用一维卷积对步骤(1)中的信息进行特征提取，计算特征相关性，计算时间相关性，获取多路采集信息的内在关联特征；(3)：将(2)中一维卷积层的输出矩阵、特征相关性矩阵、时间相关性矩阵进行拼接，输入GRU层，进行网络特征整合；(4)：将GRU层的输出分别输入LSTM预测模型和VAE重构模型进行数据生成；(5)：通过异常检测判别模块进行异常判别。本发明提供一种基于特征和时间相关性的储能电站采集异常检测方法，结合了特征和时间相关性提取技术，基于预测和重构的模型来检测识别异常。
-
公开(公告)号：CN116562115A
公开(公告)日：2023-08-08
申请号：CN202211552755.3
申请日：2022-12-06
Applicant: 国网江苏省电力有限公司 , 国网江苏省电力有限公司盐城供电分公司 , 江苏方天电力技术有限公司
IPC: G06F30/27 , G06Q50/06 , G06F119/02
Abstract: 本发明基于机器学习与气象相似时刻的新能源发电预测方法，具体步骤如下：步骤一：对气象数据进行网格插值，构建历史气象数据；步骤二：对气象要素于发电功率相关性分析，选取高相关性的气象要素；步骤三：对高相关性气象要素主成分分析；步骤四：建立气象因子匹配系数与气象相似时刻数据集；步骤五：构建机器学习架构；步骤六：基于机器学习，对相似时刻数据集进行发电功率预测。本发明提出一种基于气象相似时刻和机器学习的新能源发电预测，综合考虑气象因素对新能源发电影响与发电功率的历史统计特征，以实现对新能源发电功率的准确预测。
-
公开(公告)号：CN119760372A
公开(公告)日：2025-04-04
申请号：CN202411819891.3
申请日：2024-12-11
Applicant: 国网江苏省电力有限公司盐城供电分公司
IPC: G06F18/21 , G06F18/213 , G06F18/2433 , G06F18/22 , G06Q50/06 , G06F123/02
Abstract: 本发明公开了面向复杂场景的新能源异常数据监测识别与优化方法，涉及新能源异常数据监测技术领域，具体包括：步骤一、收集新能源发电侧的历史运行数据以及新能源发电侧工作场景的历史多源数据，筛选包含异常数据的时间段，步骤二、在新能源发电影响数据异常的时间段内，通过特征提取得到异常特征数据，根据异常特征数据设置异常程度指标，步骤三、实时计算新能源发电侧的异常程度指标，监测识别当前时间段新能源发电侧数据是否异常，并对新能源异常数据进行优化，本方法实现了对包含新能源异常数据时间段的精准识别与高效处理，显著提高了新能源异常数据监测的准确性与可用性。
-
公开(公告)号：CN118312901A
公开(公告)日：2024-07-09
申请号：CN202410488517.3
申请日：2024-04-23
Applicant: 国网江苏省电力有限公司 , 国网江苏省电力有限公司盐城供电分公司 , 国网江苏省电力有限公司双创中心
IPC: G06F18/2433 , G06F18/241 , G06Q50/06
Abstract: 本发明提供了一种新型储能电站的海量数据分类采集方法，所述海量数据分类采集方法具体包括：(1)数据分类管理：对新型储能数据进行分类管理，通过不同类型数据层级关系进行分类，将数据分为一类数据，二类数据和三类数据；(2)信息采集链：根据数据分类结果和数据间的“1‑N”映射关系，对一类数据、二类数据、三类数据的“采集‑分析‑再采集”策略，形成有效数据信息采集链。本发明提供一种新型储能电站的海量数据分类采集方法，通过对新型储能数据进行分类管理，并结合各类数据的内部业务逻辑关系，进而在海量数据边缘侧管理时使用不同的采集范围、频次，以提高通讯链路有效数据利用率，降低关键数据传输时延等。
-
公开(公告)号：CN115905943A
公开(公告)日：2023-04-04
申请号：CN202211421840.6
申请日：2022-11-14
Applicant: 国网江苏省电力有限公司 , 江苏方天电力技术有限公司 , 国网江苏省电力有限公司盐城供电分公司
IPC: G06F18/241 , G06F18/22 , G06F18/23213
Abstract: 一种基于云模型的气象数据综合定量评价方法，具体步骤如下：步骤一：数据归一化处理，本技术将气象数据指标划分为实数型和模糊型2种属性类型，并将各项指标划分为正、负属性；步骤二：数据云化处理，将各属性指标数据统一用云模型Ci(Ex，En，He)表示；步骤三：建立判断矩阵，采用层次分析法确定属性云模型的权重wi(Ex，En，He)；步骤四：对多源属性云加权，生成待评价云模型Cz(Ex，En，He)；步骤五：构建隶属云标尺，计算待评价云与相近基础云的相似度；步骤六：基于评价云与相近基础云的相似度计算，定性、定量评价多源气象数据。本发明提出一种基于云模型理论的气象数据定量评价技术，其特征在于：综合考虑多源数据属性指标；综合考虑实数型、模糊型属性等数据特性；使用云模型统一表示，客观定性定量分析数据特点。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.043 seconds)
