摘要
本发明属于风力发电技术领域,提出一种风速信息时空相关重构的规模化风电场风速预测方法。包括以下步骤:1)对完全自适应噪声集合进行经验模态分解;2)基于快速相关滤波算法建立风速信息库;3)基于时空关联优选算法寻优代表风机;4)风电场时空相关重构;5)基于卷积记忆预测风速;本申请通过完全自适应噪声集合经验模态分解结合快速相关滤波,剔除原始风速中的冗余信息,提升风速有效信息密度。依据时空相关性优选代表风机重构风电场为n阶矩阵,打破了传统卷积模型仅适用于平原地区阵列式风电场的局限性,有效提高了模型的适用范围,针对山区、丘陵、海岸的地形风电场本发明同样能实现精准预测。
技术关键词
风速
集合经验模态分解
风能利用系数
风机
重构
记忆单元
邻域
序列
滤波算法
经验模态分解方法
二维分布特征
矩阵
噪声
卷积模块
网络
构建风电场
皮尔逊相关系数
空间特征提取
系统为您推荐了相关专利信息
轴承故障诊断方法
分支
双线性插值
故障诊断模型
重构
真空吸附装置
转台机构
真空负压装置
橡胶
吸附机构
面向高速公路
两阶段鲁棒优化
节点
有功功率
移动式储能系统
动作检测方法
三维卷积神经网络
动作特征
重构模块
子模块