一种空气能热水器广义储能聚合模型转换方法

    公开(公告)号:CN116544917A

    公开(公告)日:2023-08-04

    申请号:CN202310480084.2

    申请日:2023-04-28

    Abstract: 本申请公开了一种空气能热水器广义储能聚合模型转换方法。该方法在空气能热水器机理模型的基础上,用模型转换方法将单个空气能热水器模型转换为广义储能,将多模型聚合为单模型,评估聚合模型的可调能力,进而可以为调度中心提供辅助服务。该方法包括:提出空气能热水器机理模型;提出等效模型转换方法,将空气能热水器的热参数模型转换为广义储能模型;将海量广义储能模型降维处理,聚合成单个模型,并实时输出其可调容量,为分布式资源参与电网辅助服务提供基础。本文提出广义储能聚合模型转换方法,实现了海量空气能热水器的调控,解决了海量空气能热水器参与电网优化调控难以精准量化其可调能力问题。

    一种线路、变压器重载监视方法

    公开(公告)号:CN116014877A

    公开(公告)日:2023-04-25

    申请号:CN202211235787.0

    申请日:2022-10-10

    Abstract: 本发明公开了一种线路、变压器重载监视方法包括,采集现有线路、变压器数据信息并进行预处理,根据预处理后的数据信息建立线路、变压器档案数据库,将档案数据库的数据标注在一次接线图上,再根据接线图上标注的变压器的视在功率和线路的实时电流值确定线路和变压器的实时负载值,并收集线路额定负载电流和变压器视在容量数据,根据所述数据预设线路、变压器负荷能力模型和计算线路、变压器的实时负载率,最后建立过载时典型、常用通道集合。本发明是一种线路、变电站重载监视方法,主要用于解决不同电压等级、不同变电站的线路和变压器承载能不同,且实时负载率是动态变化的,线路条数多、关联因素复杂,目前监测线路负荷主要依靠调控员参数查询和人工计算,工作效率低,对于重要线路和重载变电站的过载处置,还隐藏着较大的安全风险的问题。

    理论线损计算所需主网线路与变压器参数双重校核方法

    公开(公告)号:CN110427631B

    公开(公告)日:2023-03-10

    申请号:CN201910235255.9

    申请日:2019-03-27

    Abstract: 本发明公开了一种理论线损计算所需主网线路与变压器参数双重校核方法,包括以下步骤:A1.建立主网中线路的关系模型,A2.通过线路两端的有功、无功量测以及线路长度来确定线路的实际参数;A3.明确主网中线路损耗的主要因素,然后列出导线参数,并建立导线参数与线路的实际参数之间的关系模型;A4.通过数据聚类分析以及拟合变压器τ型等效电路中各参数随容量的变化关系,得到各参数随容量变化的范围;A5.通过主变压器三侧的有功和无功电量量测来验证主变压器参数的正确性。本发明可以提高主网线路与变压器参数校核的准确性和稳定性,避免出现单一性的参数校核造成校核遗漏问题,可以为理论线损计算提供稳定的参数支持。

    一种基于多维度时空分析的网损数据清洗方法

    公开(公告)号:CN109634944B

    公开(公告)日:2022-11-04

    申请号:CN201811483236.X

    申请日:2018-12-05

    Abstract: 本发明提出的是一种基于多维度时空分析的网损数据清洗方法,包括:(1)数据性质定位:根据数据的历史接入时间判定规则对其进行新上测点或历史测点的性质划分;(2)异常数据辨识:包括新上测点的异常数据辨识和历史测点的异常数据辨识,其中新上测点应用基于电压电流法的短期数据异常辨识,历史测点应用基于回归分析法的中长期异常数据辨识;(3)异常数据修正:针对前一步骤辨识出的异常数据,利用多重线性插值法进行异常数据修正;(4)修正数据检验:采用电量还原法重新计算网损,以网损高低验证修正数据准确度。优点:能够应用于网损计算系统中多类型接入电量数据的清洗和筛查,提供准确可靠数据源,实现科学有效的网损优化。

    一种基于特征工程的光伏发电短期预测方法

    公开(公告)号:CN115238956A

    公开(公告)日:2022-10-25

    申请号:CN202210684173.4

    申请日:2022-06-16

    Abstract: 本发明公开了一种基于特征工程的光伏发电短期预测方法,它包括:步骤1、历史发电数据和气象数据,并进行数据噪声、数据异常、数据不一致问题的识别及处理;步骤2、利用多项式和数值分析的方法对历史数据进行新特征的构建,通过包裹式和过滤式的方法进行特征提取;步骤3、对所有数据进行Z‑score标准化和规范化;对历史光伏功率数据进行聚类划分;步骤4、将聚类划分后的二类光伏功率数据及特征组合划分为训练集、验证集和测试集,分别构建LighGBM模型并得到预测结果;本发明通过特征工程充分挖掘数据信息,结合基于集成思想的LightGBM模型,较传统方法在不同的气候条件下提高了预测精度和有效性。

Patent Agency Ranking