-
公开(公告)号：CN117674132A
公开(公告)日：2024-03-08
申请号：CN202311687992.5
申请日：2023-12-11
Applicant: 新疆工程学院
Abstract: 本发明属于风电功率预测领域，并公开了一种基于可拓学的短期风电功率预测方法、系统、设备及介质，包括：获取风电机组的短期数据；对所述短期数据进行预处理，并基于可拓学对预处理后的短期数据进行可拓表示，得到风电功率预测模型；基于所述风电功率预测模型提取影响风电机组功率的主要特征因素数据及对应风电机组功率观测数据；对所述风电机组功率观测数据进行可拓聚类分析得到风电机组功率的分级数据，基于所述分级数据计算所述主要特征因素数据的权重数据；通过所述风电功率预测模型中进行多元回归预测，得到风电功率预测数据。本发明所述技术方案提高了风电功率超短期预测的精度。
-
公开(公告)号：CN115632444A
公开(公告)日：2023-01-20
申请号：CN202211538435.2
申请日：2022-12-02
Applicant: 国网新疆电力有限公司电力科学研究院 , 国家电网有限公司 , 华北电力大学 , 新疆工程学院
IPC: H02J3/46
Abstract: 本发明涉及一种火电机组控制技术领域，是一种提升火电机组辅机故障减负荷灵活性的优化控制方法，包括在辅机故障减负荷动作时锁定各磨组在辅机故障减负荷动作前一时刻给煤量；根据锁定的各磨组的给煤量，确定最小给煤量磨组；由炉膛压力变化确定停运磨组间隔时间；选取辅机故障减负荷动作时需要停运的磨组；根据磨组停运原则执行磨组停运，直至保留磨组支撑锅炉稳定至目标负荷。本发明在现有技术基础上完善控制逻辑，优先停运最小煤量判定的磨组，优化磨组停运顺序，并基于炉膛压力的参数状态，预估机炉风险，超前修正停磨间隔时间，改善机组RB工况时序灵活可靠控制特性，减少辅机故障导致的机组停运事件，节省机组停运损失。
-
公开(公告)号：CN114021483A
公开(公告)日：2022-02-08
申请号：CN202111400222.9
申请日：2021-11-24
Applicant: 新疆工程学院
IPC: G06F30/27 , G06K9/62 , G06N20/00 , G06Q10/04 , G06F113/06 , G06F119/06
Abstract: 本发明公开了一种基于时域特征与XGBoost的超短期风电功率预测方法，根据风场环境中的风速、风速变化率、风向、气压、温度、湿度等影响因素，通过机器学习的方法对特征进行分类、标记，并进行归一化和向量化表示，使其在风环境空间中具有领域特征信息，之后再利用机器学习算法对表示后的特征进行模型训练，找出对风电功率影响最大的风环境特征集合及其对风电功率的影响系数，之后利用集成学习的方法将各特征融入进模型对风电的超短期功率进行预测，根据k折交叉验证方法找出使得预测结果的均方根误差及平均绝对误差最小的模型，最终形成预测模型。将影响风电功率的因素从五个维度，四个方向进行分解，对影响因素的特征实现了精细化和充分的拓展和挖掘。
-
公开(公告)号：CN114021483B
公开(公告)日：2025-02-07
申请号：CN202111400222.9
申请日：2021-11-24
Applicant: 新疆工程学院
IPC: G06F30/27 , G06F18/241 , G06N20/00 , G06Q10/04 , G06F113/06 , G06F119/06
Abstract: 本发明公开了一种基于时域特征与XGBoost的超短期风电功率预测方法，根据风场环境中的风速、风速变化率、风向、气压、温度、湿度等影响因素，通过机器学习的方法对特征进行分类、标记，并进行归一化和向量化表示，使其在风环境空间中具有领域特征信息，之后再利用机器学习算法对表示后的特征进行模型训练，找出对风电功率影响最大的风环境特征集合及其对风电功率的影响系数，之后利用集成学习的方法将各特征融入进模型对风电的超短期功率进行预测，根据k折交叉验证方法找出使得预测结果的均方根误差及平均绝对误差最小的模型，最终形成预测模型。将影响风电功率的因素从五个维度，四个方向进行分解，对影响因素的特征实现了精细化和充分的拓展和挖掘。
-
-
-
Search Results
4
records
(took 0.024 seconds)
