一种短期建筑负荷概率密度预测方法

    公开(公告)号:CN112446550B

    公开(公告)日:2022-08-23

    申请号:CN202011424080.5

    申请日:2020-12-08

    Abstract: 本发明涉及一种短期建筑负荷概率密度预测方法,包括以下步骤:1)以最大相关系数和最小冗余为原则,对原始外生变量采用正交最大相关系数进行筛选,得到选择后的外生变量;2)对于选择后的外生变量,引入二进制风险指示变量以提高峰值负荷预测的准确性;3)构建卷积门控分位数回归模型,以筛选后的外生变量与二进制风险指示变量共同作为输入,以不同分位数下的建筑负荷预测值为输出进行训练;4)采用训练好的构建卷积门控分位数回归模型进行预测得到不同分位数下的预测值,将不同分位数下的预测值通过拟合的核函数得到概率密度分布函数。与现有技术相比,本发明具有提高峰值时间预测准确性、提高预测精度、充分特征提取等优点。

    一种短期建筑负荷概率密度预测方法

    公开(公告)号:CN112446550A

    公开(公告)日:2021-03-05

    申请号:CN202011424080.5

    申请日:2020-12-08

    Abstract: 本发明涉及一种短期建筑负荷概率密度预测方法,包括以下步骤:1)以最大相关系数和最小冗余为原则,对原始外生变量采用正交最大相关系数进行筛选,得到选择后的外生变量;2)对于选择后的外生变量,引入二进制风险指示变量以提高峰值负荷预测的准确性;3)构建卷积门控分位数回归模型,以筛选后的外生变量与二进制风险指示变量共同作为输入,以不同分位数下的建筑负荷预测值为输出进行训练;4)采用训练好的构建卷积门控分位数回归模型进行预测得到不同分位数下的预测值,将不同分位数下的预测值通过拟合的核函数得到概率密度分布函数。与现有技术相比,本发明具有提高峰值时间预测准确性、提高预测精度、充分特征提取等优点。

    一种基于最简门控神经网络的短期光伏出力概率预测方法

    公开(公告)号:CN112465251A

    公开(公告)日:2021-03-09

    申请号:CN202011424093.2

    申请日:2020-12-08

    Abstract: 本发明涉及一种基于最简门控神经网络的短期光伏出力概率预测方法,包括以下步骤:1)将含有多个待选天气变量的原始数据进行归一化处理,并采用最大信息系数MIC对原始数据的维数进行约减;2)将约减后的特征数据集分为训练数据集和测试数据集,并采用K‑means算法将训练数据集和测试数据集分别分为晴天、多云、阴天和雨天四个天气类型数据;3)构建神经网络分位数回归模型并采用训练数据集进行训练;4)采用训练好的神经网络分位数回归模型进行预测得到各条件下的分位数,并通过核密度估计得到近似完整的概率密度函数。与现有技术相比,本发明具有提高预测可靠性和精度、预测区间更窄且覆盖率更高、简单快速等优点。

    考虑综合用户满意度的社区综合能源系统多目标优化方法

    公开(公告)号:CN115983415A

    公开(公告)日:2023-04-18

    申请号:CN202111198963.3

    申请日:2021-10-14

    Abstract: 本发明涉及一种考虑综合用户满意度的社区综合能源系统多目标优化方法,包括以下步骤:S1、初始化社区综合能源系统的基础数据;S2、构建社区综合能源系统设备模型、柔性负荷模型、热负荷模型以及冷负荷模型;S3、构建以冷热电联供社区综合能源系统运行成本最小、用户综合不满意度最低以及碳排放量最少作为优化目标的多目标优化运行数学模型;S4、采用NSGA‑Ⅱ算法对多目标优化运行模型进行求解,得到最优Pareto前沿,利用熵值TOPSIS法选择最优调度方案。与现有技术相比,本发明具有综合考虑用户用电不满意度与用户冷热不满意度、更全面、更精细等优点。

Patent Agency Ranking