找到 3 条结果 · Applied Energy
基于趋势分类与空间信息集成模型的日前风电场群功率预测
Day-ahead wind farm cluster power prediction based on trend categorization and spatial information integration model
Mao Yang · Yuxi Jiang · Chuanyu Xu · Bo Wang 等6人 · Applied Energy · 2025年1月 · Vol.388
摘要 随着风电产业的快速发展和风电装机容量的不断增加，影响发电量的因素在时间和空间上呈现出高度耦合的关系，这给风电场群功率预测（WFCPP）带来了极大的挑战。为解决这一问题，本文提出了一种考虑风电集群趋势聚合特性与空间信息集成（SII）的区域风电功率预测（WPP）精度提升方法。首先，引入一种考虑空间特征的趋势聚类方法以实现集群划分。该方法采用静态分区策略应对持续随机变化的动态环境，削弱了风速空间离散性对集群划分的影响。其次，深入挖掘多个风电场群（WFC）之间的多维时空耦合特性，并构建了融合时空信...
解读: 该风电集群功率预测技术对阳光电源储能系统具有重要应用价值。通过趋势聚类和空间信息融合,可显著提升区域风电预测精度(RMSE降低2.07%),为ST系列PCS和PowerTitan储能系统提供更精准的充放电调度依据。其时空耦合特征挖掘方法可集成至iSolarCloud平台,优化风储协同控制策略,配合G...
一种用于风力涡轮机应用中精确预测三维时空风场的新型频域物理信息神经网络
A novel frequency-domain physics-informed neural network for accurate prediction of 3D spatio-temporal wind fields in wind turbine applications
Shaopeng Li · Xin Li · Yan Jiang · Qingshan Yang 等7人 · Applied Energy · 2025年1月 · Vol.386
摘要 风能是全球关键的清洁能源之一。风力涡轮机的结构安全性和动力响应分析在很大程度上受到其所在位置风速数据可获得性与精度的影响。然而，气象观测站分布稀疏，通常难以获取高分辨率的空间风速数据，因此需要采用条件模拟方法来补充低分辨率的观测数据。本研究针对这一挑战，提出了一种频域物理信息神经网络（FD-PINN），该方法利用频域信息，旨在实现对风力涡轮机三维（3D）时空风场的精准预测。该方法构建了一个深度神经网络，并将其与关键物理模型相结合，包括风谱、风场相干函数以及风速廓线。通过融合这些物理先验知识...
解读: 该频域物理信息神经网络技术对阳光电源风电变流器及新能源场站具有重要价值。通过高精度3D时空风场预测,可优化SG系列风电变流器的功率预测算法和主动抗扰控制策略,提升MPPT效率。结合iSolarCloud平台,该深度学习方法可增强风光储混合电站的预测性维护能力,优化储能系统ST系列PCS的充放电策略。...
基于深度时空相关性挖掘的风电场群短期功率预测方法
Short-term power prediction method of wind farm cluster based on deep spatiotemporal correlation mining
Da Wang · Mao Yang · Wei Zhang · Chenglian Ma 等5人 · Applied Energy · 2025年1月 · Vol.380
摘要 本文提出了一种基于时空相关性挖掘的风电场群短期功率预测方法。首先，建立了一种考虑风速和风向的空间相关性量化指标。基于该指标，构建了包含虚拟节点的图结构以表征风电场之间的空间关联关系，其中虚拟节点为输入数据增添了额外的有效信息。随后，采用图注意力网络提取风电场群的空间特征，并构建双向循环残差网络以提取时间特征，同时引入多任务学习算法优化网络输出。最后，提出了一种针对虚假预测分量的评价指标，用于评估由正负误差累积所导致的预测偏差，为发电计划的制定提供了参考依据。利用中国21个风电场群的实际数据...
解读: 该风电集群时空关联预测技术对阳光电源储能系统具有重要应用价值。通过图注意力网络挖掘风电场空间关联和双向循环网络提取时序特征,可显著提升ST系列PCS的功率预测精度至89.69%,优化PowerTitan储能系统的充放电策略。虚拟节点增强的图结构建模方法可集成至iSolarCloud平台,实现风储协同...