申请/专利权人:西安热工研究院有限公司
申请日:2024-03-05
公开(公告)日:2024-05-10
公开(公告)号:CN117829202B
主分类号:G06N3/0442
分类号:G06N3/0442;G06N3/045;G06Q50/06
优先权:
专利状态码:有效-授权
法律状态:2024.05.10#授权;2024.04.23#实质审查的生效;2024.04.05#公开
摘要:本申请涉及风电技术领域,尤其提出一种基于双误差的储能辅助黑启动的风速预测方法和系统,该方法包括利用CEEMD算法对获取的风速序列进行分解,以获得不同分解层数下的多个模态分量并利用第一循环神经网络模型获得对应的风速分量预测值集,以获得各分解层数对应的比例误差和差值误差;确定比例误差最小时的第一目标分解层数和差值误差最小时的第二目标分解层数;进而得到判据指标以确定最终分解层数;基于最终分解层数下的各模态分量,利用第二循环神经网络模型获得对应的最终风速分量预测值以获得当前采样点的下一采样点的最终风速预测值,以在发生停电故障时利用最终风速预测值参与储能辅助黑启动。利用本申请的方法能够提高风速的预测精度。
主权项:1.一种基于双误差的储能辅助黑启动的风速预测方法,其特征在于,包括:获取风速序列,所述风速序列包括当前采样点和多个历史采样点的风速测量值;利用CEEMD算法对所述风速序列进行分解,以获得不同分解层数下的多个模态分量;针对任一分解层数,基于所有模态分量利用第一循环神经网络模型获得对应的风速分量预测值集,以获得该分解层数对应的比例误差和差值误差;从所有分解层数对应的比例误差和差值误差中,确定比例误差最小时对应的第一目标分解层数和差值误差最小时对应的第二目标分解层数;基于所述第一目标分解层数和第二目标分解层数下的比例误差和差值误差计算判据指标,以确定最终分解层数;基于最终分解层数下的各模态分量,利用第二循环神经网络模型获得对应的最终风速分量预测值;基于各最终风速分量预测值获得当前采样点的下一采样点的最终风速预测值,以在发生停电故障时利用所述最终风速预测值参与储能辅助黑启动;其中,针对任一分解层数,各模态分量的比例误差系数满足:,其中pi为第i个模态分量的比例误差系数,N为模型输出的预设数量,yi,j为第i个模态分量对应的模型输出的第j个风速分量预测值,i取1~n,j取1~N。Si,j为yi,j对应的实际值,任一分解层数的各模态分量的比例误差系数分别为p1,p2,...,pn,任一分解层数的比例误差Z1满足:;针对任一分解层数,各模态分量的差值误差系数满足:,其中为第i个模态分量的差值误差系数,任一分解层数的差值误差Z2满足:;从所有分解层数对应的比例误差和差值误差中,确定比例误差最小时对应的第一目标分解层数和差值误差最小时对应的第二目标分解层数,最小比例误差Z1min对应的第一目标分解层数为Np,最小差值误差Z2min对应的第二目标分解层数为Nw;第一目标分解层数Np下,对应的比例误差为最小比例误差Z1min,对应的差值误差为Z21;第二目标分解层数Nw下,对应的比例误差为Z12,对应的差值误差为最小差值误差Z2min;判据指标S满足:,若判据指标大于阈值,则将第二目标分解层数作为最终分解层数,否则将第一目标分解层数作为最终分解层数。
全文数据:
权利要求:
百度查询: 西安热工研究院有限公司 一种基于双误差的储能辅助黑启动的风速预测方法和系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。