-
公开(公告)号：CN118839984A
公开(公告)日：2024-10-25
申请号：CN202410892422.8
申请日：2024-07-04
IPC分类号： G06Q10/0637 , H02J3/46 , H02J3/38 , G06Q50/06
摘要： 本发明提供了一种新型多能互补特性分析评价方法，属于新能源多能互补研究领域。本发明针对多能互补特性分析中无法定量和定性地评价多能互补系统的互补特性问题，提供了一种新型多能互补特性分析评价方法，不仅可以定量分析任意时间尺度下的不同新能源出力之间的互补程度和稳定程度，还可以定性分析多能互补系统的互补特性。本发明方法的构建不受限于具体的多能互补系统或者新能源出力对象，可以根据数据、外界环境等实际情形计算所有时间尺度下的多能互补率指数与多能波动率指数，适应性强，应用门槛低，可广泛推广应用。
-
公开(公告)号：CN118174277B
公开(公告)日：2024-09-03
申请号：CN202410168024.1
申请日：2024-02-06
申请人： 水电水利规划设计总院有限公司
摘要： 本发明公开了基于误差分析校正的中长期风电光伏出力预测方法，涉及风力发电领域。所述方法包括：读取基站设备配置；结合组件服役状态，训练基于基站设备配置的智能预测模型；连接多方天气预测系统，交互预定时区内的多个环境预测数据，进行点对点映射与差频分析处理，确定环境预测数据；对环境预测数据进行分割，基于智能预测模型进行风电出力预测与光伏出力预测，确定基于预定时区的短期预测结果；确定周期性多元气候特征，结合智能预测模型进行场景化预测，搭建预测数据库；联合短期预测结果与预测数据库，确定目标预测结果。解决了现有技术中长期预测可靠性和精度较差的技术问题，实现了预测更精确的技术效果。
-
公开(公告)号：CN118134023B
公开(公告)日：2024-09-03
申请号：CN202410167862.7
申请日：2024-02-06
申请人： 水电水利规划设计总院有限公司
摘要： 本发明公开了一种电力系统风光出力量化预测方法及预测装置，涉及机器学习技术领域，包括：采集电力系统的第一侧出力数据集和第二侧出力数据集；初始化长短期记忆网络，包括一信任函数，用于记忆大于预设信任度的数据集；对第一侧出力数据集和第二侧出力数据集分别进行训练，得到第一记忆预测网络和第二记忆预测网络；进行融合，获取第一融合预测网络；封装为预测模块，与电力系统连接，进行量化预测。本发明解决了现有技术在风光出力量化预测方面存在的准确度和适应性不足的技术问题，达到了提高风光出力预测的准确度和适应性的技术效果。
-
公开(公告)号：CN118134025A
公开(公告)日：2024-06-04
申请号：CN202410171699.1
申请日：2024-02-06
申请人： 水电水利规划设计总院有限公司
摘要： 本发明公开了多时间尺度贝叶斯风电光伏出力预测方法，涉及可再生能源管理技术领域，方法包括：读取目标光伏电站与目标风电站的并网出力记录，进行多时间尺度划分，确定多组并网出力记录；以机组配置与换能效率为约束，训练换能出力预测模型；采集实时环境特征，传输至所述换能出力预测模型进行预测分支匹配与出力预测，确定出力预测数据；连接电网管理系统，挖掘周期性的并网消纳库；识别所述预测概率，遍历所述并网消纳库匹配节点并网消纳能力，结合贝叶斯算法计算确定并网消纳概率；进行并网调度管理，解决了现有技术中存在的风电光伏出力预测工作由于基于单一时间尺度进行预测而导致预测精确度差的问题，为电网的稳定运行提供有力支持。
-
公开(公告)号：CN118134025B
公开(公告)日：2024-09-03
申请号：CN202410171699.1
申请日：2024-02-06
申请人： 水电水利规划设计总院有限公司
摘要： 本发明公开了多时间尺度贝叶斯风电光伏出力预测方法，涉及可再生能源管理技术领域，方法包括：读取目标光伏电站与目标风电站的并网出力记录，进行多时间尺度划分，确定多组并网出力记录；以机组配置与换能效率为约束，训练换能出力预测模型；采集实时环境特征，传输至所述换能出力预测模型进行预测分支匹配与出力预测，确定出力预测数据；连接电网管理系统，挖掘周期性的并网消纳库；识别所述预测概率，遍历所述并网消纳库匹配节点并网消纳能力，结合贝叶斯算法计算确定并网消纳概率；进行并网调度管理，解决了现有技术中存在的风电光伏出力预测工作由于基于单一时间尺度进行预测而导致预测精确度差的问题，为电网的稳定运行提供有力支持。
-
公开(公告)号：CN118134023A
公开(公告)日：2024-06-04
申请号：CN202410167862.7
申请日：2024-02-06
申请人： 水电水利规划设计总院有限公司
摘要： 本发明公开了一种电力系统风光出力量化预测方法及预测装置，涉及机器学习技术领域，包括：采集电力系统的第一侧出力数据集和第二侧出力数据集；初始化长短期记忆网络，包括一信任函数，用于记忆大于预设信任度的数据集；对第一侧出力数据集和第二侧出力数据集分别进行训练，得到第一记忆预测网络和第二记忆预测网络；进行融合，获取第一融合预测网络；封装为预测模块，与电力系统连接，进行量化预测。本发明解决了现有技术在风光出力量化预测方面存在的准确度和适应性不足的技术问题，达到了提高风光出力预测的准确度和适应性的技术效果。
-
公开(公告)号：CN118174277A
公开(公告)日：2024-06-11
申请号：CN202410168024.1
申请日：2024-02-06
申请人： 水电水利规划设计总院有限公司
摘要： 本发明公开了基于误差分析校正的中长期风电光伏出力预测方法，涉及风力发电领域。所述方法包括：读取基站设备配置；结合组件服役状态，训练基于基站设备配置的智能预测模型；连接多方天气预测系统，交互预定时区内的多个环境预测数据，进行点对点映射与差频分析处理，确定环境预测数据；对环境预测数据进行分割，基于智能预测模型进行风电出力预测与光伏出力预测，确定基于预定时区的短期预测结果；确定周期性多元气候特征，结合智能预测模型进行场景化预测，搭建预测数据库；联合短期预测结果与预测数据库，确定目标预测结果。解决了现有技术中长期预测可靠性和精度较差的技术问题，实现了预测更精确的技术效果。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.036 秒)
