基于因子分析法的区域能源网关键因素提取方法

    公开(公告)号:CN115526535A

    公开(公告)日:2022-12-27

    申请号:CN202211299542.4

    申请日:2022-10-21

    Abstract: 本发明涉及一种基于因子分析法的区域能源网关键因素提取方法,包含以下步骤:S1、获取包含冷负荷、热负荷、电负荷、新能源出力、风速的初始变量;S2、对获取的初始变量进行归一化;S3、对归一化的各个初始变量进行KMO检验和巴特利球体检验以获取各个初始变量之间的相关性,并进行增维处理以组成高维变量;S4、采用因子分析法对组成的高维变量进行求解,高维变量表述成公共因子的线性函数与特殊因子之和,并计算公共因子的载荷矩阵。本发明运行场景包括冷负荷、热负荷、电负荷、新能源出力和风速数据,对产生的海量、高维、多源数据进行深度辨识和高效处理,以形成重要因素的有效提取,为后续区域能源网的优化调度提供参考。

    一种基于多频异步架构的热电联动系统鲁棒状态估计方法

    公开(公告)号:CN117993730A

    公开(公告)日:2024-05-07

    申请号:CN202311847032.0

    申请日:2023-12-28

    Abstract: 本发明涉及一种基于多频异步架构的热电联动系统鲁棒状态估计方法,包括以下步骤:获取热电联动系统的历史负荷功率数据,基于随机矩阵理论构建热电联动系统的耦合特征;获取热电联动系统的历史运行数据,将所述耦合特征与历史运行数据结合作为训练集,构建状态量预测模型;采用多频异步并行框架分别对热电联动系统中的热力系统和电力系统进行动态状态估计,并迭代更新估计值,直至满足耦合设备约束,完成系统状态估计,其中,热力系统和电力系统分别应用容积卡尔曼滤波方法,并基于所述状态量预测模型进行动态状态估计。与现有技术相比,本发明具有实现热电联动系统数据鲁棒处理、能够提升热电联动系统态势感知水平等优点。

    一种含分布式能源配网的用户用能行为识别方法

    公开(公告)号:CN115438742A

    公开(公告)日:2022-12-06

    申请号:CN202211141959.8

    申请日:2022-09-20

    Abstract: 本发明公开了一种含分布式能源配网的用户用能行为识别方法,涉及用户用能行为识别领域,该方法包括以下步骤:从配网的母线处采集数据,并将数据随机分为训练集和测试集;对于训练集,进行分类别辨识,对于受天气和/或季节影响大的柔性负荷,再进行分时段辨识;将训练集数据导入GRU神经网络进行训练,训练过程中同步使用测试集来验证训练模型在测试集上的辨识效果;将负荷运行曲线输入训练模型进行分类辨识,得到配网用户用能行为的识别结果。本发明通过对配网母线采样数据的深层挖掘,能够为配网用户负荷用能状态提供有效的监控和识别手段,有利于提升配网用能识别的效率和准确性,对低压配网需求响应等工作的开展有重要意义。

Patent Agency Ranking