基于LSTM神经网络的电网负荷预测方法

    公开(公告)号:CN109376960A

    公开(公告)日:2019-02-22

    申请号:CN201811484599.5

    申请日:2018-12-06

    IPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明提供一种基于LSTM神经网络的电网负荷预测方法,预测精度高,实施效果好,能够满足高负荷下的电网预测要求。其包括如下步骤,步骤1,历史数据采集和处理;以各个站点为分类依据,对预测地区的电网负荷值按时间进行排列得到序列数据集;步骤2,处理数据得到监督学习的样本;对序列数据集进行标准化处理,使其处在[-1,1]之间,得到训练数据集作为监督学习的样本;步骤3,LSTM神经网络的建模训练;步骤4,根据历史数据,和完成训练的LSTM神经网络对未来时间的负荷值进行预测。

    分布式能源全局协调和协同自治调节恢复策略方法和装置

    公开(公告)号:CN118213994A

    公开(公告)日:2024-06-18

    申请号:CN202410379145.0

    申请日:2024-03-29

    IPC分类号: H02J3/00 H02J3/38

    摘要: 本发明涉及一种分布式能源全局协调和协同自治调节恢复策略方法,包括将电距离符合初始分区阈值的负载节点分到对应的主电源所在的分区中,利用低级模型将待分区节点集中的待分区负载节点进行分区,将已分区的负载节点从所述待分区节点集中删掉;利用分区优化模型对待分区节点集中的待分区负载节点进行分区;建立各分区的分区恢复模型;建立各分区的极短期控制策略模型;通过实施阶段滚动自主控制策略和反馈校正控制策略,对低级模型、分区优化模型、分区恢复模型和极短期控制策略模型进行求解,得到目标配电网中负载节点和主电源的最优匹配结果。本发明显著加快了配电网的恢复速度,有效提高了配电网的弹性水平。本发明还涉及一种设备和存储介质。