基于EMA-RElman神经网络的光伏发电功率预测方法

    公开(公告)号:CN118352986A

    公开(公告)日:2024-07-16

    申请号:CN202410285011.2

    申请日:2024-03-13

    摘要: 本发明公开了一种基于EMA‑RElman神经网络的光伏发电功率预测方法,包括如下步骤:建立脊波Elman神经网络光伏发电功率预测模型;训练脊波Elman神经网络光伏发电功率预测模型;在学习过程中,采用EMA对预测模型的权值参数进行优化;光伏发电功率预测,将预处理后的数据输入到经过验证后的预测模型中,输出待预测时刻的光伏发电功率预测值。本发明利用类电磁机制算法寻优能力强的优点对脊波Elman神经网络预测模型的参数进行优化,具有较好的泛化性和预测性能。通过对光伏电站的预测仿真和测试,证实所提出的基于EMA‑RElman神经网络的光伏发电功率预测模型具有较好的预测性能。

    一种识别配电网中元件之间联络关系的方法和装置

    公开(公告)号:CN106571628A

    公开(公告)日:2017-04-19

    申请号:CN201610998671.0

    申请日:2016-11-11

    IPC分类号: H02J3/00

    摘要: 本发明提供了一种识别配电网中元件之间联络关系的方法和装置,所述方法包括:获取目标元件在预存配电网信息中的潮流分布关系;根据所述潮流分布关系获取目标元件的联络属性;根据联络属性在配电网中识别与目标元件在同一连接网络的所有参考元件;将目标元件与所有所述参考元件之间的联络关系突出显示。该技术方案,将目标元件以及同一连接网络中的其他参考元件之间的联络关系突出显示出来,与现有技术相比,工作人员只需选择目标元件,即可快速、准确的获取到相关的联络关系,突出显示的方式使得连接网络中的各个元件及其联络关系更加清晰直观,避免了人工识别带来的错误,提高了配电网联络关系的识别效率,大幅减少了配电网故障时的停电时间。