-
公开(公告)号：CN116090359A
公开(公告)日：2023-05-09
申请号：CN202310379501.4
申请日：2023-04-11
申请人： 南京师范大学
IPC分类号： G06F30/27 , G06F17/18 , G06F119/06
摘要： 本发明公开了一种基于组合预测模型的综合能源系统多元负荷预测方法，步骤如下：获取某区域综合能源系统中的冷热电负荷和影响因子的历史数据，建立特征数据库；构建Informer预测模型，建立基于全局时间戳和局部时间戳的输入表示模块，经过编码器的多头自注意力和自注意蒸馏机制降低复杂度，通过多头注意力和特征进行交互，直接一次生成输出；构建多任务学习的长短期记忆人工神经网络预测模型，提取冷热电负荷的周期性和耦合性特征进行多元负荷预测；建立支持向量机模型，进行组合均分训练，得到最终的预测结果。本发明在预测过程中既考虑到了多元负荷之间的周期性、耦合性，也考虑到了它的长期依耐性，能够大幅提升预测精度。
-
公开(公告)号：CN115062999A
公开(公告)日：2022-09-16
申请号：CN202210748086.0
申请日：2022-06-29
申请人： 南京师范大学
摘要： 本发明公开了一种有源配电网网元自组织划分和评价方法，包括如下步骤：计算有源配电网网元自组织划分指标信息；通过层次聚类算法确定聚类数目k，并通过K‑means聚类算法对配电网内各节点的指标进行聚类，实现有源配电网网元的自组织划分；采用样本轮廓系数对有源配电网网元划分结果进行评价。本发明通过有源配电网网元有效的自组织划分不仅可以协调区域内外的功率互济，最大化缓解高比例可再生能源带来的不利影响，还能提高整个配电系统的灵活性，发掘分布式资源的调度潜力。
-
公开(公告)号：CN110957741A
公开(公告)日：2020-04-03
申请号：CN201911390460.9
申请日：2019-12-30
申请人： 南京师范大学
IPC分类号： H02J3/18
摘要： 本发明公开了一种需求侧背靠背变流器无功响应控制系统，包括主电路结构和控制模块，其中控制模块采用虚拟励磁控制器、阻尼/惯量模拟器、无功指令跟随器和动态相位发生器；所述控制系统所产生的调制信号m和n可根据需求侧无功响应指令，发出指定的交流电压，使需求侧负荷准确动态响应无功指令。本发明对于分布式电源大量接入下的电网供需平衡、满足电力系统不断增长的无功需求、提升电力需求侧响应的稳定性和灵活性具有积极作用，可实现需求侧无功的灵活连续控制且不受网侧电压/频率扰动。
-
公开(公告)号：CN110098623A
公开(公告)日：2019-08-06
申请号：CN201910354010.8
申请日：2019-04-29
申请人： 南京师范大学
摘要： 本发明公开了一种基于智能负载的Prosumer单元控制方法，所述Prosumer单元包括并联于母线上的家庭关键负载、户用光伏和电动汽车家庭充电桩，该方法包括：(1)选择若干能够承受预设电压偏移的非关键负载，将每个非关键负载串联一个电力弹簧，构成智能负载，并联于母线上；(2)构建所述Prosumer单元的功率模型；(3)通过监测母线上电压赋幅值与相位的变化，向智能负载中电力弹簧下发调整有功和无功的功率调节指令；(4)构建约束条件为Prosumer单元功率实时平衡、优化目标为Prosumer单元功率日负荷波动最小的目标函数，再采用NSGA-Ⅱ算法求解，从而分解下发给智能负载的功率调节指令；(5)智能负载的非关键负载执行分解得到的功率调节指令。本发明解决了Prosumer单元功率不可控及日负荷波动大的问题。
-
公开(公告)号：CN104613963B
公开(公告)日：2017-10-10
申请号：CN201510037160.8
申请日：2015-01-23
申请人： 南京师范大学
摘要： 本发明公开了一种基于人体运动学模型的行人导航系统与导航定位方法，属于生物动力学与惯性导航技术相结合的领域。本发明利用人体运动中下肢(包括足部、小腿、大腿，髋部)以及连接它们的各个关节之间的运动学规律构建虚拟惯性传感器组件，并实时修正该虚拟惯性传感器组件以及行人导航系统的各项误差，能实现人体运动中的精确导航定位。本发明方法在人体高过载运动中，可有效克服测量信息超量程、冲击信号等对导航解算的影响，具有较高的实时定位性能。
-
公开(公告)号：CN104616071A
公开(公告)日：2015-05-13
申请号：CN201510026469.7
申请日：2015-01-19
申请人： 南京师范大学
CPC分类号： Y02E40/76 , Y04S10/545 , G06Q10/04 , G06N3/126 , G06Q50/06
摘要： 本发明公开了一种风光储互补发电系统的优化配置方法。首先，确立各发电单元的电源数学模型，包括风力发电机模型、光伏电池板模型及储能蓄电池模型；然后建立该系统的评价体系，包括全年负荷缺电率、能量浪费率、能量波动率及综合成本；最后利用全年负荷缺电率作为约束条件并简单附加各发电单元的数量约束，利用遗传算法和权重系数变化法相结合的方法对系统进行多目标的优化求解，从而获得最佳系统配置。本发明可在满足约束条件的要求下同时对综合成本、能量浪费率及系统能量波动率进行优化，进而获得较为理想的风光储互补系统各电源的优化组合，从而提高能源利用率，减少投资成本，使系统输出电量与负荷需求更加匹配。
-
公开(公告)号：CN118470486B
公开(公告)日：2024-10-18
申请号：CN202410913505.0
申请日：2024-07-09
申请人： 南京师范大学
IPC分类号： G06V10/80 , G06V10/44 , G06V10/20 , G06V10/74 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于多模态特征融合的超短期太阳辐照度预测方法，包括以下步骤：（1）获取待测光伏电站的多源历史数据并进行预处理；（2）利用TimesNet的二维时序卷积从时序多周期特性的角度学习时间序列特征，将历史序列转化为二维张量，利用二维卷积提取时序特征；（3）利用T2T‑ViT从局部和全局两个角度进行图像信息挖掘，提取表征云层分布和运动信息的特征；（4）利用变换器模型Transformer的编码器在图像特征中寻找与时序特征相似的部分并进行注意力的融合；（5）利用Transformer的解码器直接输出光伏发电功率多步预测结果，并对此进行误差评估；本发明能够提取表征云层分布和运动信息的特征。
-
公开(公告)号：CN118469106B
公开(公告)日：2024-09-06
申请号：CN202410942530.1
申请日：2024-07-15
申请人： 南京师范大学
IPC分类号： G06Q10/04 , G06Q50/06 , G06F18/23213 , G06F18/2411 , G06F18/214 , G06N3/0442 , G06N3/0464 , H02J3/00
摘要： 本发明公开了一种考虑历史相似日与组合权重的光伏功率预测方法，包括以下步骤：（1）利用灰色关联度选取重要气象特征，并采用模糊C均值聚类将历史日划分为晴天、多云、阴天和雨雪天气组成训练集；（2）将分类好的四个训练集分别通过最小二乘支持向量机LSSVR预测；（3）利用完全集合经验模态分解将历史数据分解成若干子序列，将各子序列通过卷积网络与长短期记忆网络并加入注意力机制的混合网络模型进行预测；（4）使用灰色关联分析法将LSSVR的预测结果与C模型的预测结果进行组合，以获得最终的预测结果；本发明更有效地进行光伏电站地能源管理和调度，减少因预测误差导致地能源浪费，从而带来显著地经济效益。
-
公开(公告)号：CN117973639B
公开(公告)日：2024-06-14
申请号：CN202410371893.4
申请日：2024-03-29
申请人： 南京师范大学
IPC分类号： G06Q10/04 , G06Q50/06 , G06F18/213 , G06F18/214 , G06F18/22 , G06N3/0442
摘要： 本发明公开了一种基于多尺度相似日和改进型集成算法的光伏功率预测方法，包括以下步骤：（1）根据收集到的NWP数据集，使用变异系数法计算各气象因子权重；（2）根据各气象因子的权重，采用多尺度相似日法计算预测日与各历史日气象因子的相似度，（3）利用SRCC分析特征与目标值之间的相关性，（4）使用LSTM和informer基础模型对训练集的短、长时间序列进行特征提取，采用TSCV法以Stacking集成算法作为框架生成元特征序列；（5）根据集成算法提取的元特征序列利用多元LR拟合特征序列与目标值之间的映射关系，最终得到光伏功率的预测值；本发明采用集成算法对光伏发电功率进行预测，准确度更高。
-
公开(公告)号：CN116565863A
公开(公告)日：2023-08-08
申请号：CN202310837787.6
申请日：2023-07-10
申请人： 南京师范大学
IPC分类号： H02J3/00 , H02J3/38 , G06F18/20 , G06F18/15 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06Q10/0631 , G06Q50/06
摘要： 本发明公开了一种基于时空相关性的短期光伏出力预测方法，步骤如下：获取某区域多个光伏电站的历史功率及待测电站影响因子的历史数据，建立特征数据库；利用皮尔逊相关性分析，选取强相关的气象因子；引入历史发电功率，构造延时输入特征；建立基于区域光伏电站拓扑结构的GCN模型，对多光伏电站光伏空间演变模式横向追踪，聚合邻近光伏电场的空间特征，输出包含空间演变模式的空间特征集合；采用SGMD对输入特征进行模态分解，得到能够表现历史数据时序变化特征的多级模态子序列，构造高维特征集合；采用CNN‑BiLSTM神经网络进行特征提取和光伏发电功率预测，并进行误差评估。本发明为新型电力系统的能量管理和优化调度提供基础，具备较高的预测精度和可行性。
-
-
-
-
-
-
-
-
-
搜索结果
63 条记录 (耗时 0.134 秒)
