CN116561502A - 一种风电场风速数据的插补方法、装置、设备及存储介质 - Google Patents
一种风电场风速数据的插补方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116561502A CN116561502A CN202210103347.3A CN202210103347A CN116561502A CN 116561502 A CN116561502 A CN 116561502A CN 202210103347 A CN202210103347 A CN 202210103347A CN 116561502 A CN116561502 A CN 116561502A
- Authority
- CN
- China
- Prior art keywords
- data
- anemometry
- wind
- correlation
- initial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000005259 measurement Methods 0.000 claims abstract description 183
- 238000012937 correction Methods 0.000 claims description 38
- 238000004088 simulation Methods 0.000 claims description 26
- 238000013508 migration Methods 0.000 claims description 23
- 230000005012 migration Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000011022 operating instruction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Wind Motors (AREA)
Abstract
本申请实施例公开了一种风电场风速数据的插补方法、装置、设备及存储介质,获取位于风电场的多个风电机组的初始测风数据,计算目标机组的初始测风数据和多个其他机组的初始测风数据之间的相关性,得到多个第一相关率,而后利用第一相关率大于第一阈值的其他机组的初始测风数据对目标机组的初始测风数据进行插补,得到第一测风数据,可以利用位于同于风电场的其他机组的初始测风数据对目标机组的初始测风数据进行插补,并且是利用数据相关性大于第一阈值的其他机组的初始测风数据,避免数据插补偏差,能够实现对于目标机组的初始测风数据的有效和精确插补,提高插补后目标机组的第一测风数据的精确性和完整性。
Description
技术领域
本申请涉及风力发电技术领域,尤其涉及一种风电场风速数据的插补方法、装置、设备、存储介质及程序产品。
背景技术
随着煤炭等不可再生能源的急剧消耗,针对可再生能源的研究和利用也迫在眉睫。可再生能源中包括风能源,可以利用风能转化为电能,提供人们可直接应用的能源。
在风电场中,具有多个风电机组,用于将风能转化为电能。风电机组上安装有数据采集与监视控制系统(Supervisory Control And Data Acquisition,SCADA)和风速仪,风速仪测出经过该风电机组的平均风速,SCADA系统能够采集、传输和存储该平均风速,以便后续对利用该平均风速对风电场的发电量进行分析。
但是SCADA系统在采集、传输和存储平均风速时,可能存在丢失一些风速数据的情况出现,导致后续利用缺失风速数据的平均风速对风电场的发电量进行分析时,分析结果不精确。
因此,现在急需一种针对风速数据的插补方法,能够对丢失的风速数据进行弥补。
发明内容
本申请实施例提供一种风电场风速数据的插补方法、装置、设备、存储介质及程序产品,能够实现对于丢失的风速数据进行插补。
本申请实施例提供一种风电场风速数据的插补方法,包括:
获取位于风电场的多个风电机组的初始测风数据,所述多个风电机组包括目标机组和多个其他机组;
计算所述目标机组的初始测风数据和所述多个其他机组的初始测风数据之间的相关性,得到多个第一相关率;
利用第一相关率大于第一阈值的其他机组的初始测风数据对目标机组的初始测风数据进行插补,得到第一测风数据。
可选地,所述利用第一相关率大于第一阈值的其他机组的初始测风数据对目标机组的初始测风数据进行插补,得到第一测风数据包括:
对第一相关率大于第一阈值的多个其他机组的初始测风数据根据所述第一相关率由高到低进行排序;
利用所述排序,所述多个其他机组的初始测风数据对目标机组的初始测风数据进行依次插补,得到第一测风数据。
可选地,还包括:
获取位于所述风电场的测风设备的实际测风数据;
计算所述实际测风数据和所述第一测风数据之间的相关性,得到第二相关率;
若所述第二相关率大于第二阈值,则利用所述实际测风数据对所述目标机组的第一测风数据进行插补,得到第二测风数据。
可选地,在计算所述实际测风数据和所述第一测风数据之间的相关性之前,还包括:
对所述实际测风数据进行时间校正,以便所述实际测风数据和所述第一测风数据测风时间相同。
可选地,所述对所述实际测风数据进行时间校正包括:
确定所述实际测风数据和所述第一测风数据的最小数据采集时间段的最小公倍数;
以所述实际测风数据的最小数据采集时间段为基础,依次增加N倍所述最小公倍数,得到多个偏移时间;
利用多个偏移时间对所述实际测风数据进行时间偏移,得到多个时间偏移后的实际测风数据;
计算所述多个偏移后的实际测风数据和所述第一测风数据的相关性,得到多个第一时间偏移相关率;
将所述多个第一时间偏移相关率中的最大时间偏移相关率对应的偏移时间,确定为第一校正时间;
利用所述第一校正时间对所述实际测风数据进行时间校正。
可选地,还包括:
获取利用气象仿真得到的仿真测风数据;
计算所述仿真测风数据和所述第二测风数据之间的相关性,得到第三相关率;
若所述第三相关率大于第三阈值,则利用所述仿真测风数据对所述目标机组的第二测风数据进行插补,得到第三测风数据。
可选地,所述第一阈值、所述第二阈值和所述第三阈值依次递减。
可选地,在计算所述仿真测风数据和所述第二测风数据之间的相关性之前,还包括:
对所述仿真测风数据进行时间校正,以便所述仿真测风数据和所述第二测风数据测风时间相同。
可选地,所述对所述仿真测风数据进行时间校正包括:
确定所述仿真测风数据和所述第二测风数据的最小数据采集时间段的最小公倍数;
以所述仿真测风数据的最小数据采集时间段为基础,依次增加N倍所述最小公倍数,得到多个偏移时间;
利用多个偏移时间对所述仿真测风数据进行时间偏移,得到多个时间偏移后的仿真测风数据;
计算所述多个偏移后的仿真测风数据和所述第二测风数据的相关性,得到多个第二时间偏移相关率;
将所述多个第二时间偏移相关率中的最大时间偏移相关率对应的偏移时间,确定为第二校正时间;
利用所述第二校正时间对所述仿真测风数据进行时间校正。
本申请实施例还提供一种风电场风速数据的插补装置,包括:
第一获取单元,用于获取位于风电场的多个风电机组的初始测风数据,所述多个风电机组包括目标机组和多个其他机组;
第一计算单元,用于计算所述目标机组的初始测风数据和所述多个其他机组的初始测风数据之间的相关性,得到多个第一相关率;
第一插补单元,用于利用第一相关率大于第一阈值的其他机组的初始测风数据对目标机组的初始测风数据进行插补,得到第一测风数据。
本申请实施例还提供一种风电场风速数据的插补设备,包括:处理器、存储器、系统总线;
所述处理器以及所述存储器通过所述系统总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器上述方法实施例中任一项所述的方法。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行上述方法实施例中任一项所述的方法。
本申请实施例还提供一种计算机程序产品,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行上述方法实施例中任一项所述的方法。
本申请实施例提供一种风电场风速数据的插补方法,获取位于风电场的多个风电机组的初始测风数据,多个风电机组包括目标机组和多个其他机组,目标机组是需要进行数据插补的风电机组,计算目标机组的初始测风数据和多个其他机组的初始测风数据之间的相关性,得到多个第一相关率,而后利用第一相关率大于第一阈值的其他机组的初始测风数据对目标机组的初始测风数据进行插补,得到第一测风数据,也就是说,可以利用位于同于风电场的其他机组的初始测风数据对目标机组的初始测风数据进行插补,并且是利用数据相关性大于第一阈值的其他机组的初始测风数据,避免数据插补偏差,能够实现对于目标机组的初始测风数据的有效和精确插补,提高插补后目标机组的第一测风数据的精确性和完整性,有助于后续利用第一测风数据对风电场的发电量进行准确分析。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。
图1为本申请实施例提供的一种风电场风速数据的插补方法的流程示意图;
图2为本申请实施例提供的一种风电场示意图;
图3为本申请实施例提供的一种风速数据的插补示意图;
图4为本申请实施例提供的另一种风速数据的插补示意图;
图5为本申请实施例提供的又一种风速数据的插补示意图;
图6为本申请实施例提供的另一种风电场风速数据的插补的流程示意图;
图7为本申请实施例提供的一种风电场风速数据的插补装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
在风电场中,具有多个风电机组,用于将风能转化为电能。风电机组上安装有数据采集与监视控制系统(Supervisory Control And Data Acquisition,SCADA)和风速仪,风速仪测出经过该风电机组的平均风速,SCADA系统能够采集、传输和存储该平均风速,以便后续对利用该平均风速对风电场的发电量进行分析。
但是SCADA系统在采集、传输和存储平均风速时,可能存在丢失一些风速数据的情况出现,导致后续利用缺失风速数据的平均风速对风电场的发电量进行分析时,分析结果不精确,会最终影响风电场的精细化管理,例如影响发电量生产计划制定、风电场发电量提升技术改进方案的指定或风电场运行维修策略的指定等等。
因此,现在急需一种针对风速数据的插补方法,能够对丢失的风速数据进行弥补。
基于此,本申请实施例提供一种风电场风速数据的插补方法,获取位于风电场的多个风电机组的初始测风数据,多个风电机组包括目标机组和多个其他机组,目标机组是需要进行数据插补的风电机组,计算目标机组的初始测风数据和多个其他机组的初始测风数据之间的相关性,得到多个第一相关率,而后利用第一相关率大于第一阈值的其他机组的初始测风数据对目标机组的初始测风数据进行插补,得到第一测风数据,也就是说,可以利用位于同于风电场的其他机组的初始测风数据对目标机组的初始测风数据进行插补,并且是利用数据相关性大于第一阈值的其他机组的初始测风数据,避免数据插补偏差,能够实现对于目标机组的初始测风数据的有效和精确插补,提高插补后目标机组的第一测风数据的精确性和完整性,有助于后续利用第一测风数据对风电场的发电量进行准确分析。
为了更好的理解本申请的技术方案和技术效果,以下将结合附图对具体的实施例进行详细的描述。
参见图1,该图为本申请实施例提供的一种风电场风速数据的插补方法的流程示意图。本申请实施例提供的风电场风速数据的插补方法,可以应用于风电场中的数据插补设备,数据插补设备可以是独立的设备,例如服务器,用于对风电场中的多个风电机组的测风数据进行插补。
参考图2所示,为本申请实施例提供的一种风电场示意图。风电场200中可以设置有多个风电机组201以及数据采集与监视控制(Supervisory Control And DataAcquisition,SCADA)系统202,SCADA系统可以安装在风电机组201上,即SCADA系统与风电机组201具有通讯连接,以便实现SCADA系统对于风电机组201测得的平均风速进行采集、传输和存储。
风电场中还可以包括数据插补设备203、测风设备204和气象仿真设备205,其中,多个风电机组201、测风设备204和气象仿真设备205与数据插补设备203具有通讯连接,以便数据插补设备203在进行某一个风电机组201的风速数据的插补时,可以通过通讯连接获取多个风电机组201、测风设备204和气象仿真设备205中的风速数据作为风速数据插补的数据源。本申请实施例提供的风电场风速数据的插补方法包括以下步骤:
S101,获取位于风电场的多个风电机组的初始测风数据。
在本申请的实施例中,风电场中具有多个风电机组,风电机组上安装有数据采集与监视控制系统(Supervisory Control And Data Acquisition,SCADA)和风速仪,风速仪测出经过该风电机组的平均风速。
SCADA系统可以从风速仪获取多个风电机组每个风电机组的初始测风数据,SCADA系统在采集初始测风数据时,可能存在数据缺失,即初始测风数据可能是数据缺失的数据。
多个风电机组包括目标机组和其他机组,其中目标机组可以是后续需要进行数据插补的风电机组,其他机组是除目标机组以外的风电机组。
在一些实施例中,可能全部的风电机组都存在数据缺失,因此,目标机组可以是任意一个风电机组,当对该风电机组进行数据插补时,除该风电机组以外的其他机组都可以作为该风电机组的数据插补源。
S102,计算所述目标机组的初始测风数据和所述多个其他机组的初始测风数据之间的相关性,得到多个第一相关率。
在本申请的实施例中,目标机组的初始测风数据存在缺失数据,可以利用除目标机组以外的其他机组的初始测风数据对目标机组的初始测风数据进行数据插补。
在进行数据插补之前,可以计算目标机组的初始测风数据和多个其他机组的初始测风数据之间的相关性,得到多个第一相关率。也就是说,确定目标机组和其他机组的初始测风数据的相关性,后续可以根据相关性对目标机组的缺失数据进行插补,以便得到完整的测风数据。
在具体计算相关性时,可以采用最小二乘法等计算相关率的公式,得到多个目标机组和其他机组的第一相关率。
作为一种示例,风电机组的数量为n个,分别计算每个风电机组和其他风电机组的相关性,得到第一相关性矩阵,参考图3所示,为本申请实施例提供的一种风速数据的插补示意图,其中,R12代表编号为WTb2的初始测风数据和编号为WTb1的初始测风数据之间的第一相关率。
若目标机组为编号为WTb1的风电机组,其他机组为编号WTb2~WTbn的风电机组,则在第一相关性矩阵,针对WTb1这一行的全部列的数据为目标机组和其他机组的多个第一相关率。
通过第一相关性矩阵,可以得知任意一个风电机组和其他机组之间的第一相关率。
S103,利用第一相关率大于第一阈值的其他机组的初始测风数据对目标机组的初始测风数据进行插补,得到第一测风数据。
在本申请的实施例中,在计算得到目标机组和其他机组之间的多个第一相关率之后,可以将第一相关率大于第一阈值的其他机组的初始测风数据对目标机组的初始测风数据进行插补,得到第一测风数据。
利用第一相关率大于第一阈值的其他机组的初始测风数据,可以实现将相关性较高的初始测风数据插补至目标机组的初始测风数据,以便插补后的第一测风数据的准确性较高。
第一阈值的具体数值可以根据实际想要得到的第一测风数据的准确性进行确定,例如第一阈值可以为0.9。
在一些实施例中,在利用第一相关率大于第一阈值的其他机组的初始测风数据对目标机组的初始测风数据进行插补时,可以首先对第一相关率大于第一阈值的多个其他机组的初始测风数据根据第一相关率由高到低进行排序,之后利用该由高到低的排序,多个其他机组的初始测风数据对目标机组的初始测风数据进行依次插补,得到第一测风数据。
也就是说,先利用第一相关率最高的其他机组的初始测风数据对目标机组的初始测风数据进行插补,以便最终得到准确性最高的第一测风数据,若第一相关率最高的其他机组的初始测风数据插补完毕之后,还存在数据缺失,则继续利用第一相关率由高到低的顺序,确定下一个第一相关率的其他机组的初始测风数据,继续对目标机组的初始测风数据进行插补,即利用第一相关率由高到低的顺序,依次对目标机组的初始测风数据进行插补,直到第一测风数据不存在数据缺失或者第一相关率大于第一阈值的多个其他机组的初始测风数据已经插补完毕。
作为一种示例,风电机组的数量为n个,参考图3所示,为本申请实施例提供的一种风速数据的插补示意图,其中,R12代表编号为WTb2的初始测风数据和编号为WTb1的初始测风数据之间的第一相关率,Uraw_i代表不同风电机组的初始测风数据,Umatrix_i代表不同风电机组的第一测风数据,n≥i≥1。
若目标机组为编号为WTb1的风电机组,其他机组为编号WTb2~WTbn的风电机组,则基于第一相关性矩阵,针对WTb1这一行的全部列的数据为目标机组和其他机组的多个第一相关率Rj1,n≥j>1,根据多个第一相关率Rj1和其他机组的初始测风数据,对编号为WTb1的风电机组的初始测风数据Uraw_1进行数据插补,得到第一测风数据Umatrix_1。在本申请的实施例中,在利用相关性较高的其他机组的初始测风数据对目标机组的初始测风数据进行数据插补之后,得到第一测风数据,避免数据插补偏差,能够实现对于目标机组的初始测风数据的有效和精确插补,提高插补后目标机组的第一测风数据的精确性和完整性,有助于后续利用第一测风数据对风电场的发电量进行准确分析。
在其他的实施例中,可能存在对目标机组的初始测风数据进行插补后,得到的第一测风数据依旧存在数据缺失,这可能是因为其他机组的初始测风数据也存在数据缺失,导致第一测风数据不是完整的数据。
可以继续利用其他数据对第一测风数据进行继续插补,以便得到无数据缺失的目标机组的测风数据。
作为一种可能的实现方式,可以获取位于风电场的测风设备的实际测风数据。测风设备可以是风电场中除风电机组以外的能够测量平均风速的设备,例如可以是功率预测塔中的测风仪,也可以是激光雷达。
可以利用测风设备测得的实际测风数据对第一测风数据进行插补。
具体的,可以计算实际测风数据和第一测风数据之间的相关性,得到第二相关率,若第二相关率大于第二阈值,则利用实际测风数据对目标机组的第一测风数据进行插补,得到第二测风数据。
判断第二相关率是否大于第二阈值,若大于,则可利用实际测风数据对第一测风数据进行插补,可以实现将相关性较高的实际测风数据插补至目标机组的第一测风数据,以便插补后的第二测风数据的准确性较高。
第二阈值的具体数值也可以根据实际想要得到的第二测风数据的准确性进行确定,例如第二阈值可以为0.85。
作为一种示例,风电机组的数量为n个,参考图4所示,为本申请实施例提供的另一种风速数据的插补示意图,其中,Ri代表编号为WTbi的风电机组的初始测风数据和测风设备的实际测风数据之间的第二相关率,Umatrix_i代表不同风电机组的第一测风数据,Umast_i代表不同风电机组的第二测风数据,n≥i≥1。
若目标机组为编号为WTb1的风电机组,则根据编号为WTb1的风电机组和测风设备的实际测风数据之间的第二相关率R1以及测风设备的实际测风数据,对编号为WTb1的风电机组的第一测风数据Umatrix_1进行数据插补,得到第二测风数据Umast_1。在一些实施例中,测风设备测得的实际测风数据和第一测风数据可能存在时间偏移,即实际测风数据和第一测风数据不是对应同一时刻,因此可以对实际测风数据进行时间校正,使得实际测风数据和第一测风数据测风时间相同,以便利用同一时刻的实际测风数据对第一测风数据进行插补,保证数据插补后的第二测风数据的准确性。
具体时间校正的方法可以包括以下步骤:
将实际测风数据和第一测风数据的时间列进行匹配,确定实际测风数据和第一测风数据的最小数据采集时间段的最小公倍数,以实际测风数据的最小数据采集时间段为基础,依次增加N倍最小公倍数,得到多个偏移时间,即以最小公倍数为时间窗口,滑动时间窗口,遍历得到多个偏移时间,利用多个偏移时间对实际测风数据进行时间偏移,得到多个时间偏移后的实际测风数据,而后计算多个偏移后的实际测风数据和第一测风数据的相关性,得到多个第一时间偏移相关率,将多个第一时间偏移相关率中的最大时间偏移相关率对应的偏移时间,确定为第一校正时间,利用第一校正时间对实际测风数据进行时间校正。
也就是说,利用最小公倍数作为时间窗口,滑动时间窗口,得到多个时间偏移后的实际测风数据,计算多个时间偏移后的实际测风数据和第一测风数据的相关性,得到多个第一时间偏移相关率,多个第一时间偏移相关率中的最大值,代表实际测风数据和第一测风数据的采集时间最为接近,可以利用该最大值对应的偏移时间对实际测风数据进行时间校正。
在利用相关性较高其他机组的初始测风数据和测风设备的实际测风数据对目标机组的初始测风数据进行数据插补之后,得到第二测风数据,能够进一步避免数据插补偏差,也能够进一步实现对于目标机组的初始测风数据的有效和精确插补,提高插补后目标机组的第二测风数据的精确性和完整性,有助于后续利用第二测风数据对风电场的发电量进行准确分析。
在其他的实施例中,可能存在对目标机组的初始测风数据进行插补后,得到的第二测风数据依旧存在数据缺失,这可能是因为测风设备的实际测风数据也存在数据缺失,导致第二测风数据不是完整的数据。
可以继续利用其他数据对第二测风数据进行继续插补,以便得到无数据缺失的目标机组的测风数据。
作为一种可能的实现方式,可以获取利用气象仿真得到的仿真测风数据,以利用气象仿真得到的仿真测风数据对第二测风数据进行插补。
具体的,可以计算仿真测风数据和第二测风数据之间的相关性,得到第三相关率,若第三相关率大于第三阈值,则利用仿真测风数据对目标机组的第二测风数据进行插补,得到第三测风数据。
判断第三相关率是否大于第三阈值,若大于,则可利用仿真测风数据对第二测风数据进行插补,可以实现将相关性较高的仿真测风数据插补至目标机组的第二测风数据,以便插补后的第三测风数据的准确性较高。
第三阈值的具体数值也可以根据实际想要得到的第三测风数据的准确性进行确定,例如第三阈值可以为0.8。
作为一种示例,风电机组的数量为n个,参考图5所示,为本申请实施例提供的又一种风速数据的插补示意图,其中,R'i代表编号为WTbi的风电机组的第一测风数据和气象仿真得到的仿真测风数据之间的第三相关率,Umast_i代表不同风电机组的第二测风数据,Ufinal_i代表不同风电机组的第三测风数据,n≥i≥1。
若目标机组为编号为WTb1的风电机组,则根据编号为WTb1的风电机组和气象仿真得到的仿真测风数据之间的第三相关率R'1以及气象仿真得到的仿真测风数据,对编号为WTb1的风电机组的第二测风数据Umast_1进行数据插补,得到第三测风数据Ufinal_1。
在一些实施例中,气象仿真得到的仿真测风数据和第二测风数据可能存在时间偏移,即仿真测风数据和第二测风数据不是对应同一时刻,因此可以对仿真测风数据进行时间校正,使得仿真测风数据和第二测风数据测风时间相同,以便利用同一时刻的仿真测风数据对第二测风数据进行插补,保证数据插补后的第三测风数据的准确性。
具体时间校正的方法可以包括以下步骤:
将仿真测风数据和第二测风数据的时间列进行匹配,确定仿真测风数据和第二测风数据的最小数据采集时间段的最小公倍数,以仿真测风数据的最小数据采集时间段为基础,依次增加N倍最小公倍数,得到多个偏移时间,即以最小公倍数为时间窗口,滑动时间窗口,遍历得到多个偏移时间,利用多个偏移时间对仿真测风数据进行时间偏移,得到多个时间偏移后的仿真测风数据,而后计算多个偏移后的仿真测风数据和第二测风数据的相关性,得到多个第二时间偏移相关率,将多个第二时间偏移相关率中的最大时间偏移相关率对应的偏移时间,确定为第二校正时间,利用第二校正时间对仿真测风数据进行时间校正。
也就是说,利用最小公倍数作为时间窗口,滑动时间窗口,得到多个时间偏移后的仿真测风数据,计算多个时间偏移后的仿真测风数据和第二测风数据的相关性,得到多个第二时间偏移相关率,多个第二时间偏移相关率中的最大值,代表仿真测风数据和第二测风数据的采集时间最为接近,可以利用该最大值对应的偏移时间对仿真测风数据进行时间校正。
作为一种示例,仿真测风数最小数据采集时间段为60分钟,第二测风数据的最小数据采集时间段为10分钟,仿真测风数据和第二测风数据的最小数据采集时间段的最小公倍数为60分钟。
在利用相关性较高其他机组的初始测风数据、测风设备的实际测风数据和气象仿真得到的仿真测风数据对目标机组的初始测风数据进行数据插补之后,最终得到第三测风数据,能够进一步避免数据插补偏差,也能够进一步实现对于目标机组的初始测风数据的有效和精确插补,提高插补后目标机组的第三测风数据的精确性和完整性,有助于后续利用第三测风数据对风电场的发电量进行准确分析。
在实际应用中,在保证对目标机组的初始测风数据进行插补的精确性的基础上,考虑到插补完毕后的测风数据的完整性,以及其他机组的初始测风数据、测风设备的实际测风数据和气象仿真得到的仿真测风数据的数据精度逐渐降低,第一阈值、第二阈值和第三阈值可以依次递减。
也就是说,逐渐降低相关性阈值,能够提供更多的插补数据,以便经过3次数据插补后,初始测风数据基本没有缺失。
作为一种示例,参考图6所示,图6为本申请实施例提供的另一种风电场风速数据的插补的流程示意图。图6中示出了经过3次风速数据的插补的流程图,主要包括以下步骤:
S601,获取多个风电机组的初始测风数据。
S602,计算多个风电机组之间的第一相关性矩阵。
可以通过第一相关性矩阵得到多个风电机组之间的第一相关率。
S603,判断第一相关率是否大于第一阈值。
若第一相关率大于第一阈值,则继续后续步骤。
S604,利用第一相关率对初始测风数据进行插补。
利用第一相关率和其他机组的初始测风数据对目标机组的初始测风数据进行插补。
S605,得到第一测风数据。
S606,对测风设备的实际测风数据时间校正。
S607,计算实际测风数据和多个风电机组之间的第二相关率。
S608,判断第二相关率是否大于第二阈值。
若第二相关率大于第二阈值,则继续后续步骤。
S609,利用实际测风数据对第一测风数据进行插补。
S610,得到第二测风数据。
S611,对气象仿真的仿真测风数据时间校正。
S612,计算仿真测风数据和多个风电机组之间的第三相关率。
S613,判断第三相关率是否大于第三阈值。
若第三相关率大于第三阈值,则继续后续步骤。
S614,利用仿真测风数据对第二测风数据进行插补。
S615,得到第三测风数据。在本申请的实施例中,针对平均风速的数据插补,可以应用在风电场前期设计阶段,也可以应用于风电场的运行阶段。经过数据插补后,可以得到每个风电机组每个10分钟内的平均风速,能够利用该风速数据统计出每日、每月和每年的风速水平以及变化特点,并且可以利用该平均风速和风电机组的实测功率曲线,得到更为准确的各个风电机组以及风电场的应发电量。
在本申请的实施例中,风电场风速数据的插补方法还可以应用于温度数据插补或气压数据插补等应用场景。
由此可见,本申请实施例提供了一种风电场风速数据的插补方法,获取位于风电场的多个风电机组的初始测风数据,多个风电机组包括目标机组和多个其他机组,目标机组是需要进行数据插补的风电机组,计算目标机组的初始测风数据和多个其他机组的初始测风数据之间的相关性,得到多个第一相关率,而后利用第一相关率大于第一阈值的其他机组的初始测风数据对目标机组的初始测风数据进行插补,得到第一测风数据,也就是说,可以利用位于同于风电场的其他机组的初始测风数据对目标机组的初始测风数据进行插补,并且是利用数据相关性大于第一阈值的其他机组的初始测风数据,避免数据插补偏差,能够实现对于目标机组的初始测风数据的有效和精确插补,提高插补后目标机组的第一测风数据的精确性和完整性,有助于后续利用第一测风数据对风电场的发电量进行准确分析。
基于以上实施例提供的一种风电场风速数据的插补方法,本申请实施例还提供了一种风电场风速数据的插补装置,下面结合附图来详细说明其工作原理。
参见图7,该图为本申请实施例提供的一种风电场风速数据的插补装置的结构示意图。
本实施例提供的风电场风速数据的插补装置700包括:
第一获取单元710,用于获取位于风电场的多个风电机组的初始测风数据,所述多个风电机组包括目标机组和多个其他机组;
第一计算单元720,用于计算所述目标机组的初始测风数据和所述多个其他机组的初始测风数据之间的相关性,得到多个第一相关率;
第一插补单元730,用于利用第一相关率大于第一阈值的其他机组的初始测风数据对目标机组的初始测风数据进行插补,得到第一测风数据。
可选地,第一插补单元730具体用于:
对第一相关率大于第一阈值的多个其他机组的初始测风数据根据所述第一相关率由高到低进行排序;
利用所述排序,所述多个其他机组的初始测风数据对目标机组的初始测风数据进行依次插补,得到第一测风数据。
可选地,还包括:
第二获取单元,用于获取位于所述风电场的测风设备的实际测风数据;
第二计算单元,用于计算所述实际测风数据和所述第一测风数据之间的相关性,得到第二相关率;
第二插补单元,用于若所述第二相关率大于第二阈值,则利用所述实际测风数据对所述目标机组的第一测风数据进行插补,得到第二测风数据。
可选地,在第二计算单元计算所述实际测风数据和所述第一测风数据之间的相关性之前,还包括:
第一时间校正单元,用于对所述实际测风数据进行时间校正,以便所述实际测风数据和所述第一测风数据测风时间相同。
可选地,第一时间校正单元具体用于:
确定所述实际测风数据和所述第一测风数据的最小数据采集时间段的最小公倍数;
以所述实际测风数据的最小数据采集时间段为基础,依次增加N倍所述最小公倍数,得到多个偏移时间;
利用多个偏移时间对所述实际测风数据进行时间偏移,得到多个时间偏移后的实际测风数据;
计算所述多个偏移后的实际测风数据和所述第一测风数据的相关性,得到多个第一时间偏移相关率;
将所述多个第一时间偏移相关率中的最大时间偏移相关率对应的偏移时间,确定为第一校正时间;
利用所述第一校正时间对所述实际测风数据进行时间校正。
可选地,还包括:
第三获取单元,用于获取利用气象仿真得到的仿真测风数据;
第三计算单元,用于计算所述仿真测风数据和所述第二测风数据之间的相关性,得到第三相关率;
第三插补单元,用于若所述第三相关率大于第三阈值,则利用所述仿真测风数据对所述目标机组的第二测风数据进行插补,得到第三测风数据。
可选地,所述第一阈值、所述第二阈值和所述第三阈值依次递减。
可选地,在第三计算单元计算所述仿真测风数据和所述第二测风数据之间的相关性之前,还包括:
第二时间校正单元,用于对所述仿真测风数据进行时间校正,以便所述仿真测风数据和所述第二测风数据测风时间相同。
可选地,第一时间校正单元具体用于:
确定所述仿真测风数据和所述第二测风数据的最小数据采集时间段的最小公倍数;
以所述仿真测风数据的最小数据采集时间段为基础,依次增加N倍所述最小公倍数,得到多个偏移时间;
利用多个偏移时间对所述仿真测风数据进行时间偏移,得到多个时间偏移后的仿真测风数据;
计算所述多个偏移后的仿真测风数据和所述第二测风数据的相关性,得到多个第二时间偏移相关率;
将所述多个第二时间偏移相关率中的最大时间偏移相关率对应的偏移时间,确定为第二校正时间;
利用所述第二校正时间对所述仿真测风数据进行时间校正。
进一步地,本申请实施例还提供了一种风电场风速数据的插补设备,包括:处理器、存储器、系统总线;
所述处理器以及所述存储器通过所述系统总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行上述风电场风速数据的插补方法的任一种实现方法。
处理器和存储器,处理器的数量可以一个或多个。在本申请的一些实施例中,处理器和存储器可通过总线或其它方式连接。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括NVRAM。存储器存储有操作系统和操作指令、可执行模块或者数据结构,或者它们的子集,或者它们的扩展集,其中,操作指令可包括各种操作指令,用于实现各种操作。操作系统可包括各种系统程序,用于实现各种基础业务以及处理基于硬件的任务。
处理器控制终端设备的操作,处理器还可以称为CPU。
上述本申请实施例揭示的方法可以应用于处理器中,或者由处理器实现。处理器可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、DSP、ASIC、FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
进一步地,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行上述风电场风速数据的插补方法的任一种实现方法。
进一步地,本申请实施例还提供了一种计算机程序产品,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行上述风电场风速数据的插补方法的任一种实现方法。
附图中的流程图和框图,图示了按照本公开各种实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (13)
1.一种风电场风速数据的插补方法,其特征在于,包括:
获取位于风电场的多个风电机组的初始测风数据,所述多个风电机组包括目标机组和多个其他机组;
计算所述目标机组的初始测风数据和所述多个其他机组的初始测风数据之间的相关性,得到多个第一相关率;
利用第一相关率大于第一阈值的其他机组的初始测风数据对目标机组的初始测风数据进行插补,得到第一测风数据。
2.根据权利要求1所述的方法,其特征在于,所述利用第一相关率大于第一阈值的其他机组的初始测风数据对目标机组的初始测风数据进行插补,得到第一测风数据包括:
对第一相关率大于第一阈值的多个其他机组的初始测风数据根据所述第一相关率由高到低进行排序;
利用所述排序,所述多个其他机组的初始测风数据对目标机组的初始测风数据进行依次插补,得到第一测风数据。
3.根据权利要求1所述的方法,其特征在于,还包括:
获取位于所述风电场的测风设备的实际测风数据;
计算所述实际测风数据和所述第一测风数据之间的相关性,得到第二相关率;
若所述第二相关率大于第二阈值,则利用所述实际测风数据对所述目标机组的第一测风数据进行插补,得到第二测风数据。
4.根据权利要求3所述的方法,其特征在于,在计算所述实际测风数据和所述第一测风数据之间的相关性之前,还包括:
对所述实际测风数据进行时间校正,以便所述实际测风数据和所述第一测风数据测风时间相同。
5.根据权利要求4所述的方法,其特征在于,所述对所述实际测风数据进行时间校正包括:
确定所述实际测风数据和所述第一测风数据的最小数据采集时间段的最小公倍数;
以所述实际测风数据的最小数据采集时间段为基础,依次增加N倍所述最小公倍数,得到多个偏移时间;
利用多个偏移时间对所述实际测风数据进行时间偏移,得到多个时间偏移后的实际测风数据;
计算所述多个偏移后的实际测风数据和所述第一测风数据的相关性,得到多个第一时间偏移相关率;
将所述多个第一时间偏移相关率中的最大时间偏移相关率对应的偏移时间,确定为第一校正时间;
利用所述第一校正时间对所述实际测风数据进行时间校正。
6.根据权利要求3所述的方法,其特征在于,还包括:
获取利用气象仿真得到的仿真测风数据;
计算所述仿真测风数据和所述第二测风数据之间的相关性,得到第三相关率;
若所述第三相关率大于第三阈值,则利用所述仿真测风数据对所述目标机组的第二测风数据进行插补,得到第三测风数据。
7.根据权利要求6所述的方法,其特征在于,所述第一阈值、所述第二阈值和所述第三阈值依次递减。
8.根据权利要求6所述的方法,其特征在于,在计算所述仿真测风数据和所述第二测风数据之间的相关性之前,还包括:
对所述仿真测风数据进行时间校正,以便所述仿真测风数据和所述第二测风数据测风时间相同。
9.根据权利要求8所述的方法,其特征在于,所述对所述仿真测风数据进行时间校正包括:
确定所述仿真测风数据和所述第二测风数据的最小数据采集时间段的最小公倍数;
以所述仿真测风数据的最小数据采集时间段为基础,依次增加N倍所述最小公倍数,得到多个偏移时间;
利用多个偏移时间对所述仿真测风数据进行时间偏移,得到多个时间偏移后的仿真测风数据;
计算所述多个偏移后的仿真测风数据和所述第二测风数据的相关性,得到多个第二时间偏移相关率;
将所述多个第二时间偏移相关率中的最大时间偏移相关率对应的偏移时间,确定为第二校正时间;
利用所述第二校正时间对所述仿真测风数据进行时间校正。
10.一种风电场风速数据的插补装置,其特征在于,包括:
第一获取单元,用于获取位于风电场的多个风电机组的初始测风数据,所述多个风电机组包括目标机组和多个其他机组;
第一计算单元,用于计算所述目标机组的初始测风数据和所述多个其他机组的初始测风数据之间的相关性,得到多个第一相关率;
第一插补单元,用于利用第一相关率大于第一阈值的其他机组的初始测风数据对目标机组的初始测风数据进行插补,得到第一测风数据。
11.一种风电场风速数据的插补设备,其特征在于,包括:处理器、存储器、系统总线;
所述处理器以及所述存储器通过所述系统总线相连;
所述存储器用于存储一个或多个程序,所述一个或多个程序包括指令,所述指令当被所述处理器执行时使所述处理器执行权利要求1-9任一项所述的方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有指令,当所述指令在终端设备上运行时,使得所述终端设备执行权利要求1-9任一项所述的方法。
13.一种计算机程序产品,其特征在于,所述计算机程序产品在终端设备上运行时,使得所述终端设备执行权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210103347.3A CN116561502A (zh) | 2022-01-27 | 2022-01-27 | 一种风电场风速数据的插补方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210103347.3A CN116561502A (zh) | 2022-01-27 | 2022-01-27 | 一种风电场风速数据的插补方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116561502A true CN116561502A (zh) | 2023-08-08 |
Family
ID=87502330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210103347.3A Pending CN116561502A (zh) | 2022-01-27 | 2022-01-27 | 一种风电场风速数据的插补方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116561502A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057489A (zh) * | 2023-10-12 | 2023-11-14 | 中国船舶集团风电发展有限公司 | 一种测风时长对风资源误差的评估方法、系统及设备 |
-
2022
- 2022-01-27 CN CN202210103347.3A patent/CN116561502A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117057489A (zh) * | 2023-10-12 | 2023-11-14 | 中国船舶集团风电发展有限公司 | 一种测风时长对风资源误差的评估方法、系统及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5658881B2 (ja) | 太陽光発電装置の電気生産量を予測する方法 | |
CN113937763B (zh) | 风电功率预测方法、装置、设备及存储介质 | |
CN102055188B (zh) | 基于时间序列法的超短期风电功率预报方法 | |
JP6193008B2 (ja) | 予測システム、予測装置および予測方法 | |
CN111709569B (zh) | 风电场输出功率预测修正方法及装置 | |
CN107204615B (zh) | 一种实现功率预测的方法及系统 | |
KR102482043B1 (ko) | 소규모 이력 데이터에서 냉방부하를 예측하기 위한 학습 방법 및 장치 | |
CN112231361B (zh) | 一种基于风机运行数据的风电项目发电量评估方法 | |
US10985694B2 (en) | Method and apparatus for determining key performance photovoltaic characteristics using sensors from module-level power electronics | |
CN113315171B (zh) | 新能源消纳能力评估方法、装置、计算机设备和存储介质 | |
JP2007281060A (ja) | 太陽光発電システムの発電予測方法、装置、およびプログラム | |
JP2013108462A (ja) | 風力発電量予測システム、そのプログラム | |
CN116561502A (zh) | 一种风电场风速数据的插补方法、装置、设备及存储介质 | |
CN111311021A (zh) | 一种风电场理论功率预测方法、装置、设备和存储介质 | |
CN116231633A (zh) | 配电网碳排放量的监测方法、装置、设备及存储介质 | |
CN115908051A (zh) | 一种电力系统储能容量确定方法 | |
CN107221933B (zh) | 一种概率潮流计算方法 | |
CN114895380A (zh) | 一种太阳辐射预测方法、装置、设备和介质 | |
Krishna et al. | NowCasting: Accurate and precise short-term wind power prediction using hyperlocal wind forecasts | |
CN109978204B (zh) | 确定风电场的风功率的预测准确率的方法和装置 | |
CN113125848B (zh) | 用电供电厂穿越电量计量方法、系统及结算电量计量方法 | |
CN112347655B (zh) | 一种基于机组运行性能评估的风电场理论功率计算方法 | |
CN110094299A (zh) | 风电机组的偏航对风自矫正方法和设备 | |
CN112964295A (zh) | 一种基于5g技术的闸泵站智能测控终端 | |
CN117313014B (zh) | 一种窑炉运转能耗异常数据实时监测预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region Applicant after: Jinfeng Technology Co.,Ltd. Address before: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region Applicant before: XINJIANG GOLDWIND SCIENCE & TECHNOLOGY Co.,Ltd. |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |