-
公开(公告)号：CN109978237A
公开(公告)日：2019-07-05
申请号：CN201910161664.9
申请日：2019-03-04
Applicant: 三峡大学
Abstract: 一种基于精细化气象数据的地区电网短期负荷预测系统，它包括数据库模块、数据维护模块、负荷预测模块，其中，数据库模块用于设置相应的数据库路径以及存储历史负荷数据单元，存储历史负荷数据单元包括日前小水火电负荷单元、新能源发电负荷单元、区间互供负荷单元、地区用电负荷单元、网供负荷单元、分时分区气象数据单元、以及历史负荷数据单元，可供负荷预测模块调用；本发明目的是提供一种引入了分时分区精细化气象数据，通过分析不同负荷分量的规律性，根据各自特点采取多种预测模式和预测方法，很好的提高地区电网短期负荷预测的精度和自动化程度的基于精细化气象数据的地区电网短期负荷预测系统。
-
公开(公告)号：CN109978236A
公开(公告)日：2019-07-05
申请号：CN201910161647.5
申请日：2019-03-04
Applicant: 三峡大学
Abstract: 一种基于特征组合的小水电短期功率精细化预测方法，包括步骤1：收集分区降雨量的历史和预测数据，小水电功率曲线的历史数据；步骤2：将小水电功率曲线分解为历史日最大、最小功率和标幺化曲线三个特征量；步骤3：对小水电的日最大、最小发电功率，采用时间序列神经网络开展预测，得到预测日的最大、最小预测功率等步骤；步骤4：对历史日标幺化曲线采用Kmeans技术进行聚类等步骤得到预测日的预测标幺化曲线；步骤5：组合预测日的标幺化曲线和最大、最小功率预测值，得到预测日的小水电发电功率预测结果。本发明能很好的解决现有技术存在的预测误差大问题的基于特征组合的小水电短期功率精细化预测方法。
-
Patent Agency Ranking
公开(公告)号：CN111539482A
公开(公告)日：2020-08-14
申请号：CN202010351995.1
申请日：2020-04-28
Applicant: 三峡大学
Abstract: 本发明公开了基于RBF核函数的空间多维风电功率数据降维方法，包括：采集多座风电场连续多个小时级功率数据样本；计算核矩阵；计算核矩阵的特征值与特征向量；将特征值进行降序排列，取特征值序列中前r个特征值和对应的特征向量；利用核矩阵和选出的特征值、特征向量计算降维结果。本发明还公开了对应的数据重构方法，包括：以原始数据降维结果和构造的同质数据降维结果的误差最小为优化目标，搜寻最优核参数；对核主成分分析法降维结果进行重构。本发明的方法使数据变得更少而特征更加独立，有利于大规模风电数据实现并网运行；本发明的降维数据在可信赖性与连续性方面优于现有的降维方法；本发明方法得到的重构数据与原始数据的误差小。
-
公开(公告)号：CN110009132A
公开(公告)日：2019-07-12
申请号：CN201910161661.5
申请日：2019-03-04
Applicant: 三峡大学
Abstract: 一种基于LSTM深度神经网络的短期电力负荷精细化预测方法，它包括电气二次盘柜、传感器探头设置在电气二次盘柜内的温度传感器、信号集中处理中心、远程监视后台，温度传感器通过信号线与第一信号转换模块的输入端连接，第一信号转换模块的输出端与第二信号转换模块的输入端连接，第二信号转换模块的输出端与信号处理模块的信号输入端连接，信号处理模块的信号输出端与服务器连接。本发明的目的是为了精确、高效、很好的实现电气二次盘柜远距离温度监测而提出的基于LSTM深度神经网络的短期电力负荷精细化预测方法。
-
公开(公告)号：CN109978236B
公开(公告)日：2022-07-15
申请号：CN201910161647.5
申请日：2019-03-04
Applicant: 三峡大学
Abstract: 一种基于特征组合的小水电短期功率精细化预测方法，包括步骤1：收集分区降雨量的历史和预测数据，小水电功率曲线的历史数据；步骤2：将小水电功率曲线分解为历史日最大、最小功率和标幺化曲线三个特征量；步骤3：对小水电的日最大、最小发电功率，采用时间序列神经网络开展预测，得到预测日的最大、最小预测功率等步骤；步骤4：对历史日标幺化曲线采用Kmeans技术进行聚类等步骤得到预测日的预测标幺化曲线；步骤5：组合预测日的标幺化曲线和最大、最小功率预测值，得到预测日的小水电发电功率预测结果。本发明能很好的解决现有技术存在的预测误差大问题的基于特征组合的小水电短期功率精细化预测方法。
-
公开(公告)号：CN111539482B
公开(公告)日：2021-03-09
申请号：CN202010351995.1
申请日：2020-04-28
Applicant: 三峡大学
Abstract: 本发明公开了基于RBF核函数的空间多维风电功率数据降维方法，包括：采集多座风电场连续多个小时级功率数据样本；计算核矩阵；计算核矩阵的特征值与特征向量；将特征值进行降序排列，取特征值序列中前r个特征值和对应的特征向量；利用核矩阵和选出的特征值、特征向量计算降维结果。本发明还公开了对应的数据重构方法，包括：以原始数据降维结果和构造的同质数据降维结果的误差最小为优化目标，搜寻最优核参数；对核主成分分析法降维结果进行重构。本发明的方法使数据变得更少而特征更加独立，有利于大规模风电数据实现并网运行；本发明的降维数据在可信赖性与连续性方面优于现有的降维方法；本发明方法得到的重构数据与原始数据的误差小。
-
公开(公告)号：CN109934396A
公开(公告)日：2019-06-25
申请号：CN201910161669.1
申请日：2019-03-04
Applicant: 三峡大学
Abstract: 一种基于两阶段还原的地区网供负荷精细化预测方法，包括以下步骤：步骤一：采集地区用电负荷、小水火电、新能源发电和区域互供功率的历史数据，以及分时分区气象的历史和预测数据；步骤二：采用两阶段还原法，将网供负荷分解为地区用电负荷与小水火电、新能源发电和区域互供功率的组合；步骤三：根据不同类型负荷的特点和影响因素，引入分时分区气象信息，构建不同的预测模型，并基于各类型负荷预测模型和预测日的精细化气象预测值，获得各类型负荷曲线的预测结果；步骤四：将各类型的负荷预测曲线进行组合，还原得到预测日的网供负荷预测曲线。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
