基于皮尔逊系数与MapReduce并行计算的电网尖峰负荷聚类提取法

    公开(公告)号:CN110069467A

    公开(公告)日:2019-07-30

    申请号:CN201910303202.6

    申请日:2019-04-16

    摘要: 基于皮尔逊系数与MapReduce并行计算的电网尖峰负荷聚类提取法,该方法步骤如下:第一步:对负荷数据集进行数据清理以及异常数据修复,然后对负荷数据集进行降维;第二步:将降维后数据集按行存储在Hadoop分布式文件系统中,并将数据集分成各个切片形成子数据集;第三步:利用MapReduce计算架构读取第二步中的每一个切片子数据集,通过并行模型利用皮尔逊相关系数作为相似性判据选取初始聚类中心;第四步:再将聚类计算任务分配给MapReduce中的Map任务节点,结合第三步中的初始聚类中心,完成数据集的并行聚类。本发明更加适应越来越蓬勃发展信息时代衍生的电力负荷大数据处理。

    一种适用于分散式风电场的组合风电功率预测方法

    公开(公告)号:CN103268366A

    公开(公告)日:2013-08-28

    申请号:CN201310071897.2

    申请日:2013-03-06

    IPC分类号: G06F17/50 G06N3/02

    CPC分类号: Y02T10/82

    摘要: 本发明提供一种适用于分散式接入的组合风电功率预测方法,包括如下步骤:步骤1,数据采集和预处理、步骤2,利用归一化后的训练样本集和预测样本集建立基于径向基神经网络的风速预测模型并预测分散风机点下一时刻风速和变化趋势、步骤3,根据分散式风场地形、粗糙度、尾流影响等因素建立分散式风电场区CFD模型并外推出场区内每台风机的预测风速、步骤4,通过采集分散式风场SCADA系统风机功率数据、步骤5,采用关联系数;本发明首次提出双层组合神经网络分别对风速和功率进行预测。采取适合各自的有效地神经网络类型进行分别建模,并将加入“改进”“变异”“淘汰”思想的改进微粒群算法对神经网络进行优化,可以有效提高建模的速度和精度,实现风速和功率的解耦。

    一种基于区块链的碳资产管理方法、系统及电子设备

    公开(公告)号:CN116883174B

    公开(公告)日:2024-03-22

    申请号:CN202310375591.X

    申请日:2023-04-10

    摘要: 本发明公开了一种基于区块链的碳资产管理方法、系统及电子设备,涉及碳资产管理技术领域。方法包括:根据待管理区域电网碳排放因子,以及待管理区域电网下多个企业的生产数据,确定待管理区域电网下每个企业的碳排放量和碳配额免费分配量;根据购买决策,基于碳数据管理框架完成碳资源交互,获取待管理区域电网下多个企业对碳资源交互反馈值;根据待管理区域电网下多个企业对碳资源交互反馈值,利用帕累托最优原则在约束条件下对目标函数进行求解,根据求解结果对企业进行碳排放量优化和碳配额优化,完成对碳数据管理框架的优化升级。本发明基于区块链技术和帕累托最优原则对企业的碳交易碳排进行优化,能够促进可再生能源全局配置的合理性。