-
公开(公告)号:CN117374969A
公开(公告)日:2024-01-09
申请号:CN202311533946.X
申请日:2023-11-17
申请人: 国网新疆电力有限公司营销服务中心 , 北京清软创新科技股份有限公司
IPC分类号: H02J3/00 , G06N3/0442 , G06N3/045 , G06N3/08 , G06Q50/06
摘要: 本发明属于电力负荷预测技术领域,具体为一种大工业用户用电负荷预测方法,该大工业用户用电负荷预测方法的具体步骤流程如下:步骤一:利用VMD算法对负荷数据进行分解,得到各个模态和残差量;步骤二:建立基于多分辨率时间序列注意力的工业用户日用电量预测神经网络,深入挖掘电力序列的特征,本文提出的模型(VMD‑MIC‑Informer‑GRU)在前述模型基础上,利用GRU模型对误差序列进行训练和预测,并将其与重构结果相加,得到最终的用电负荷预测结果,该模型的预测MAPE指标仅为1.1193%,表明针对大工业用户用电负荷预测,本文所提出的模型能够更好地拟合和捕捉实际负荷的趋势,并且具有出色的预测精度。
-
公开(公告)号:CN116960962A
公开(公告)日:2023-10-27
申请号:CN202310918445.7
申请日:2023-07-25
申请人: 国网江苏省电力有限公司 , 国网江苏省电力有限公司营销服务中心 , 北京清软创新科技股份有限公司
IPC分类号: H02J3/00 , G06Q10/04 , G06Q50/06 , G06F18/25 , G06F18/214 , G06N3/0499 , G06N3/084
摘要: 本发明涉及电力系统负荷预测技术领域,具体涉及一种跨区域数据融合的中长期区域负荷预测方法,包括:确定若干待预测的用电区域,聚合区域电力负荷数据集,构建全局数据集;基于前馈神经网络的电力负荷预测模型,输入全局数据集进行模型训练,得到全局预测模型;并行输入各区域负荷数据集进行精调训练,得到各区域个性化负荷预测模型;将预测模型输入各区域装置,进行月度电力负荷预测,并计算表征负荷预测精度的指标,评价中长期负荷预测效果;本发明融合多区域数据的中长期负荷预测方法,利用区域用电数据,构建高性能中长期负荷预测模型,灵活形成个性化预测模型至各个区域,提高中长期负荷预测精度,从而为电力系统中长期规划提供基础。
-
公开(公告)号:CN114268096A
公开(公告)日:2022-04-01
申请号:CN202111594894.8
申请日:2021-12-23
申请人: 国网河北省电力有限公司营销服务中心 , 国家电网有限公司 , 国网河北省电力有限公司 , 北京清软创新科技股份有限公司
摘要: 本发明提供了一种电网全景智能分析预测方法,包括步骤:获取影响因素数据;对影响因素数据进行标准化处理,获取标准化因素数据;获取电力需求预测数据;根据所述电力需求预测数据匹配预测算法;根据所述标准化因素数据和所述预测算法获取测算结果;其中,所述影响因素数据包括日期数据、地理位置数据、电力需求数据、经济数据和气象数据中的至少一种;所述预测算法分为时间序列类预测算法和人工智能类算法。本发明使得预测算法库基本涵盖各类场景的预测,提升预测工作的全面性与适用性,继而能全面准确的分析预测用电负荷。
-
公开(公告)号:CN113743673A
公开(公告)日:2021-12-03
申请号:CN202111057989.6
申请日:2021-09-09
申请人: 中国南方电网有限责任公司 , 北京清软创新科技股份有限公司
摘要: 本发明提供了一种台风期间的电力负荷预测方法,该方法包括:根据待预测周期的气象预报指标和历史气象指标,确定与待预测周期气象相似度最大的第一周期;待预测周期中包括台风登陆日;根据第一周期的气象指标和负荷数据,确定待预测周期的台风属性;若台风属性为影响性台风或破坏性台风,则从气象相似度满足预设条件的至少一个第二周期中的每个第二周期分别选取一个相似日,并根据各个相似日的气象指标和负荷数据、以及预设的人工智能预测模型,确定待预测周期的负荷预测结果。通过第一周期以及相似日组成的双重相似机制加入到人工智能预测模型中,对台风期间的电力系统进行负荷预测,能够有效提高台风期间的负荷预测精度。
-
公开(公告)号:CN113743519A
公开(公告)日:2021-12-03
申请号:CN202111055709.8
申请日:2021-09-09
申请人: 中国南方电网有限责任公司 , 北京清软创新科技股份有限公司
摘要: 本发明提供一种电网母线典型负荷曲线识别方法。该方法包括:获取电网中各条母线分别对应的负荷曲线集;针对每一条母线,利用第一聚类算法,对该母线对应的负荷曲线集进行聚类提取,得到该母线对应的标准负荷曲线;将各个母线对应的标准负荷曲线形成电网标准负荷曲线集;利用第二聚类算法和第三聚类算法,对电网标准负荷曲线集进行聚类剔除,并根据聚类剔除后的结果确认电网母线典型负荷曲线集。本发明能够提高电网工作的可靠性。
-
公开(公告)号:CN113554117A
公开(公告)日:2021-10-26
申请号:CN202110939592.3
申请日:2021-08-16
申请人: 中国南方电网有限责任公司 , 北京清软创新科技股份有限公司
摘要: 本发明适用于电力技术领域,提供了一种异常负荷数据识别方法及电子设备,所述方法包括:获取目标负荷数据集;针对每个预设采集时刻,从目标负荷数据集中提取各日的该预设采集时刻对应的负荷数据,得到该预设采集时刻对应的负荷数据子集;针对每个负荷数据子集,根据该负荷数据子集中各个负荷数据的密度确定该负荷数据子集对应的异常数据域;根据各个负荷数据子集对应的异常数据域确定目标负荷数据集对应的异常数据域,并基于目标负荷数据集对应的异常数据域,识别目标负荷数据集中异常的负荷数据。本发明能够更准确地识别异常的负荷数据。
-
公开(公告)号:CN105956319A
公开(公告)日:2016-09-21
申请号:CN201610334789.3
申请日:2016-05-18
申请人: 广州供电局有限公司 , 北京清软创新科技股份有限公司
IPC分类号: G06F17/50
CPC分类号: G06F17/5036 , G06F2217/36
摘要: 本发明公开一种基于数据驱动的母线负荷特性分析,对每日母线负荷曲线进行聚类分析,充分考虑了不同时段电量的波形大小,对波动性较大的时段赋予较高的权重,以提升聚类算法对母线负荷辨识度,再根据母线负荷曲线聚类结果,对母线进行划分,然后在此基础上提出了模式切换熵、相对波动率、日平均负荷、温度敏感度等四个指标,从不同维度描述母线负荷特性;最后根据提取和特征,利用K最邻近算法对母线负荷进行分类,最终通过对广州实际母线负荷数据进行了算例仿真;该基于数据驱动的母线负荷特性分析所提出的指标能够较好的刻画母线负荷特性,并能取得较好的分类效果。
-
公开(公告)号:CN113705929B
公开(公告)日:2024-05-07
申请号:CN202111079795.6
申请日:2021-09-15
申请人: 中国南方电网有限责任公司 , 北京清软创新科技股份有限公司
IPC分类号: G06F18/25 , G06Q50/06 , G06N3/0464 , G06N3/08
摘要: 本发明提供了一种基于负荷特征曲线及典型特征值融合的春节假期负荷预测方法,该方法包括:根据第一参考时段的负荷数据和第一参考时段的气象数据,以及待预测特殊时段的气象预报数据,确定待预测特殊时段负荷的第二预测结果,再根据第一预测结果和第二预测结果,确定目标预测时段的最终负荷预测结果。通过重点针对节假日进行负荷预测,再将其与常规负荷预测模型得到的第一预测结果相结合,有效的考虑了与正常日负荷差异较大的节假日的特殊性,能够提高特殊日期负荷预测的预测精度。
-
公开(公告)号:CN117937456A
公开(公告)日:2024-04-26
申请号:CN202410096436.9
申请日:2024-01-23
IPC分类号: H02J3/00 , G06Q10/04 , G06Q50/06 , G06N3/0455 , G06N3/0442 , G06N3/08
摘要: 本申请适用于电量预测技术领域,提供了用电量预测方法、电子设备及存储介质,该用电量预测方法包括:通过HP过滤器获取第一历史时段的气象数据的第一趋势分量;基于第一趋势分量和第一历史时段的用电量数据,对基于Seq2Seq的用电量预测模型进行训练,得到训练好的基于Seq2Seq的用电量预测模型;其中,基于Seq2Seq的用电量预测模型以交叉注意机制为编码器,以LSTM神经网络为解码器;通过待预测时段的气象数据和训练好的基于Seq2Seq的用电量预测模型对待预测时段的目标用电量进行预测。本申请能够有效提高用电量预测模型的预测精度,提升预测出的用电量的准确度。
-
公开(公告)号:CN109299814B
公开(公告)日:2024-02-02
申请号:CN201811000055.7
申请日:2018-08-30
申请人: 国网江苏电力设计咨询有限公司 , 国网江苏省电力有限公司经济技术研究院 , 国网江苏省电力有限公司 , 国家电网有限公司 , 北京清软创新科技股份有限公司
摘要: 本发明公开了一种气象影响电量分解预测方法,包括以下步骤:S1:设置基础月份:默认春季基础月份为5月,秋季基础月份为10月;S2:计算气象相关性:分成冬季和夏季两个部分分别计算数据,如果所在月份属于11‑4月份,则计算冬季相关性,如果所在月份属于6‑9月份,则计算夏季相关性,基础月份则不参与计算,相关性计算公式为 得到相关性数据;S3:计算每月气象影响电量增长率:对S2中的相关性数据通过ym=yi‑yj和δ=(ym/yj)*100%式进行计算,得到每月气象影响电量增长率并显示相关系数。根据科学的理论根据,推断出气象因素是影响电力负荷预测的重要考虑因素,提升负荷预测的准确率,误差较小。
-
-
-
-
-
-
-
-
-