网格化数值天气特征降维提取方法及系统

    公开(公告)号:CN118861660A

    公开(公告)日:2024-10-29

    申请号:CN202410754217.5

    申请日:2024-06-12

    申请人: 山东大学

    摘要: 本发明属于网格化数值天气特征提取领域,提供了网格化数值天气特征降维提取方法及系统。其中,该方法包括得到含高比例新能源电力系统的负荷类型与负荷功率对应关系;根据不同类型负荷所属区域的典型日网格化数值天气实测数据,得到多元气象因子,进而计算与不同负荷类型的负荷功率的相关性,筛选出不同负荷类型相关的气象因子,构建出初始气象因子特征矩阵;利用主成分分析方法对初始气象因子特征矩阵进行降维,得到降维的气象因子特征矩阵;利用预设深度学习模型对降维的气象因子特征矩阵进行迭代学习,以细化网格化气象特征尺度,进一步提取不同负荷类型的隐含特征,得到表征不同类型负荷的网格化特征矩阵,以用于负荷预测。

    一种自适应动态组合的负荷概率预测方法及装置

    公开(公告)号:CN118676911A

    公开(公告)日:2024-09-20

    申请号:CN202410791743.9

    申请日:2024-06-19

    申请人: 山东大学

    摘要: 本发明涉及一种自适应动态组合的负荷概率预测方法及装置,属于电力系统负荷预测技术领域,包括:选择多种概率预测模型作为组合子模型,优化训练各子模型,提升各子模型概率预测精度,用于对电荷概率进行分别预测;针对每一子模型进行贝叶斯模型平均,得到组合后的整体预测结果;对预测结果进行评价;构建基于深度确定性策略梯度算法;构建基于深度确定性策略梯度算法的短期负荷预测模型,用于得到自适应动态预测结果。本发明克服单一预测模型在某些条件下表现不佳的问题,且实现环境与组合权重之间的动态映射,在线感知外界环境变化、自适应更新组合权重,从而增强模型的适应性,有效提升概率预测结果的稳定性和概率预测精度。

    考虑可用装机容量的短期风电功率预测方法及系统

    公开(公告)号:CN118172047B

    公开(公告)日:2024-08-02

    申请号:CN202410591456.3

    申请日:2024-05-14

    申请人: 山东大学

    摘要: 本发明提供了一种考虑可用装机容量的短期风电功率预测方法及系统。该方法包括,依据极端天气对风电功率影响机理的分析结果,得到关键气象因子;基于历史气象数据,采用映射模型,将历史气象数据映射为理论功率数据,依据历史气象数据对应的历史功率数据和理论功率数据,对功率损失预测进行直接建模,引入可用装机容量概念,基于理论功率数据和功率损失值预测结果,得到可用装机容量预测结果;分别对正常天气下的功率和关键气象因子下的功率进行数据处理,构建功率训练数据集;基于功率训练数据集,采用功率预测模型,得到功率预测结果,将可用装机容量预测结果与功率预测结果相乘,得到极端天气下风电场站功率预测结果。

    考虑空间波动传播的新能源缺失数据估算方法及系统

    公开(公告)号:CN118070977A

    公开(公告)日:2024-05-24

    申请号:CN202410458016.0

    申请日:2024-04-17

    申请人: 山东大学

    摘要: 本发明属于新能源功率预测技术领域,提供了一种考虑空间波动传播的新能源缺失数据估算方法及系统,获取多个分布式新能源站点的光伏功率序列;利用经验模态分解方法提取其中的波动过程和平稳过程;针对波动过程,利用导数动态时间规整方法提取波动对应时间序列,提取站点间的波动速度,对目标站点进行插值估算,基于插值估算结果,采用局部加权回归获取标准的功率序列;针对平稳过程,利用静态插值算法进行插值计算,得到插值后的功率序列;将两个序列进行加和,获得最终结果。本发明能够更为准确地提取波动传递过程,提高插值估算的精度。

    转折性天气日前风电功率预测方法、装置、介质及设备

    公开(公告)号:CN116029465A

    公开(公告)日:2023-04-28

    申请号:CN202310314712.X

    申请日:2023-03-29

    申请人: 山东大学

    摘要: 本发明属于风电功率预测技术领域,为了解决现有预测算法在小样本条件下难以训练以及极端预测偏差大的问题,提供了一种转折性天气日前风电功率预测方法、装置、介质及设备。其中,转折性天气日前风电功率预测方法包括获取设定时间段内的天气信息,并确定出相应气象场景及其对应的转折性天气功率预测模型;从所述天气信息中,提取与所述气象场景相匹配的气象敏感特征;利用预先训练的转折性天气功率预测模型对提取的所述气象敏感特征进行处理,得到日前风电功率预测结果。其有效降低了极端预测偏差,提高了考虑转折性天气的日前风电功率预测精度。