基于时序迁移学习算法的城市充换电负荷预测方法及系统

    公开(公告)号:CN118095408A

    公开(公告)日:2024-05-28

    申请号:CN202410144044.5

    申请日:2024-01-31

    摘要: 本发明提供了一种基于时序迁移学习算法的城市充换电负荷预测方法及系统,包括:采用自适应人工鱼群算法对预先构建的源域网格电动汽车充换电负荷预测模型中的门控循环单元的待整定权重矩阵进行整定,得到门控循环单元的矩阵参数;基于时序迁移学习算法结合目标域网格电动汽车充换电负荷数据,将源域网格电动汽车充换电负荷预测模型迁移至目标域网格,得到目标域网格电动汽车充换电负荷预测模型;基于源域网格电动汽车充换电负荷预测模型和目标域网格电动汽车充换电负荷预测模型对城市充换电负荷进行预测。本发明基于时序迁移学习算法,构建具有良好迁移性的预测模型,并在目标域上进行微调,以适应不同城市充换电网格的特异性。不仅能够显著提高预测的准确性和泛化能力,还能减少对目标域大量数据的依赖,有效支持电动汽车充换电设施的运营管理。

    光伏发电出力波动性分量统计特性分析的方法

    公开(公告)号:CN110210052A

    公开(公告)日:2019-09-06

    申请号:CN201910326356.7

    申请日:2019-04-23

    IPC分类号: G06F17/50

    摘要: 一种光伏发电出力波动性分量统计特性分析的方法,属于新能源发电技术领域。本发明的目的是对流行使用的单一概率密度分布函数加以分析和优化,并且提出了三权重混合t Location-scale分布函数进行拟合的光伏发电出力波动性分量统计特性分析的方法。本发明建立概率密度分布函数的拟合指标值验证体系;对随机性分量数据进行概率密度拟合,通过指标值选择拟合度最优的单一概率密度分布函数;建立混合t Location-scale概率密度分布函数模型,利用混合t Location-scale分布函数对随机性分量进行拟合,并通过指标值验证其拟合效果的优异程度。本发明利用指标值分析验证其优异性,从而为光伏出力的空间关联特征、跨省跨区输送与交易等电网规划运行层面的研究提供数据及理论支持,具有推广价值。