-
公开(公告)号:CN110363338B
公开(公告)日:2022-07-26
申请号:CN201910581287.4
申请日:2019-06-29
申请人: 东北电力大学 , 国网辽宁省电力有限公司电力科学研究院 , 中国电力科学研究院有限公司 , 国家电网有限公司
摘要: 本发明涉及风电技术领域,是基于cos衰减性原子分解和混沌理论的风电功率超短期预测方法,其特点是:它包括cos过完备原子库的建立、衰减线性原子库的建立、基于最大Lyapunov指数的混沌预测模型、基于cos衰减性原子分解和混沌理论的风电功率超短期预测、仿真计算和误差分析等步骤,与现有的仅考虑历史风电功率数据时序,本发明能跟踪未来的功率趋势,物理意义清晰,并考虑风电功率的衰减特性。基于cos衰减性原子分解和混沌理论的风电功率超短期预测方法预测精度高,预测结果有效,适用性和实用性强。
-
公开(公告)号:CN117996750A
公开(公告)日:2024-05-07
申请号:CN202410248411.6
申请日:2024-03-05
IPC分类号: H02J3/00 , G06F16/29 , G06Q50/06 , G06F18/213 , G06F18/23 , G06N3/0442 , G06N3/08
摘要: 基于双输入模式下NWP风速校正的风电功率预测方法,属于风电技术领域。本发明提出的基于双输入模式和波动聚类的NWP风速校正方法能降低模型捕捉映射关系的难度,集中于对实测风速建立映射关系,提高NWP风速的校正精度,再将校正后的值应用于短期风电功率预测中,获得更准确的短期风电功率预测结果。本发明公开的方法物理意义清晰、科学合理、实用价值更高、精度更高,适用于风电功率预测,并且预测精度高,预测结果有效,适用性和实用性强。
-
公开(公告)号:CN112668806A
公开(公告)日:2021-04-16
申请号:CN202110058821.0
申请日:2021-01-17
申请人: 中国南方电网有限责任公司 , 东北电力大学 , 中国电力科学研究院有限公司
IPC分类号: G06Q10/04 , G06Q50/06 , G06K9/62 , G06F30/20 , G06F111/08
摘要: 本发明的一种基于改进随机森林的光伏功率超短期预测计算方法,其特点是,包括:随机森林模型的初步预测、初步预测结果下午时段的修正、初步预测结果上午时段的修正、仿真计算和误差分析步骤,将光伏功率日周期性分析应用随机森林模型所得到的双时段序列预测中,并且与基础随机森林预测方法对比进行预测,能够反映系统动态特性、跟踪未来功率趋势;改进随机森林超短期预测模型是一种修正预测模型,本模型计算简单、预测性能高、物理意义清晰、预测结果有效、实用性强。
-
公开(公告)号:CN117277308A
公开(公告)日:2023-12-22
申请号:CN202311329201.1
申请日:2023-10-16
申请人: 东北电力大学 , 中国电力科学研究院有限公司
IPC分类号: H02J3/00 , G06F30/27 , G06F18/213 , G06F18/23 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06F119/06
摘要: 本发明基于天气变化自适应的分布式光伏短期功率预测方法,属于光伏功率预测技术领域,基于改进多元宇宙算法优化的卷积神经网络,通过对历史功率样本进行滤波处理,采用K‑Medoids算法对功率序列进行聚类划分得到代表性天气事件气象特征,在基于灰色关联度匹配未来时段的天气事件类型,通过天气过程聚类划分对不同天气场景的分布式光伏功率进行短期预测,得出结论经仿真验证,证明本发明方法有效提升了光伏功率在不同天气事件下的适应性,提升了整体的预测精度。
-
公开(公告)号:CN117200221A
公开(公告)日:2023-12-08
申请号:CN202311203352.2
申请日:2023-09-19
申请人: 东北电力大学 , 中国电力科学研究院有限公司
IPC分类号: H02J3/00 , H02J3/38 , G06F18/213
摘要: 计及波动趋势动态感知长预见期风电集群功率预测方法,属于风电功率预测技术领域,本发明以波动趋势动态感知改善特征输入,提升预测精度,并通过分析8‑15天功率预测结果的波动特性,提出不同分辨率配合的预测趋势校正,实现了预测精度提升。其能够反映系统动态特性、跟踪未来功率趋势;本模型计算简单、预测性能高。物理意义清晰,预测结果有效,实用性强。
-
公开(公告)号:CN118485177A
公开(公告)日:2024-08-13
申请号:CN202410651942.X
申请日:2024-05-24
申请人: 东北电力大学 , 吉林农业科技学院 , 国网吉林省电力有限公司经济技术研究院 , 中国电力科学研究院有限公司
IPC分类号: G06Q10/04 , G06Q10/0631 , G06F18/23213 , G06N3/0442 , G06Q50/06
摘要: 本发明公开了一种考虑多元负荷耦合特性的IES负荷预测方法,首先,利用FP‑Growth算法对多元负荷数据进行分析和挖掘,识别出负荷之间的潜在关联性;通过对各个负荷之间的关联度进行累加计算,确定综合能源系统中多元负荷的预测优先级;其次,基于多元负荷的预测优先级,选择具有最高优先级的负荷进行负荷相似波动集划分;进一步地,通过k‑means聚类算法划分相似负荷场景集。最后,针对每个负荷场景集,采取逐级预测的策略,使用双向长短期记忆神经网络进行场景集预测建模,进行多元负荷数据预测。通过算例结果表明:使用本发明方法具有较高的预测精度,能够有效处理负荷的剧烈波动,从而满足系统安全稳定的运行要求。
-
公开(公告)号:CN118353006A
公开(公告)日:2024-07-16
申请号:CN202410513658.6
申请日:2024-04-26
申请人: 东北电力大学 , 国网吉林省电力有限公司经济技术研究院 , 中国电力科学研究院有限公司
IPC分类号: H02J3/00 , H02J3/38 , G06Q10/063 , G06Q10/04 , G06Q50/06
摘要: 本发明公开了一种基于本征可预测量提取的风电集群功率日前预测方法,涉及风力发电预测技术领域。该方法包括:构建面向风电集群的风速功率曲线,基于改进的比恩法构建初始风速功率曲线集;利用每个风速区间的综合评价误差对初始风速功率曲线集进行筛选,得到最终风速功率曲线集;提取本征可预测量,并分离出对应的干扰量;基于本征可预测量,获取本征可预测量的预测值;利用大阈值历史相似匹配法获取所述干扰量的预测值;将本征可预测量的预测值和干扰量的预测值相加,得到最终的风电功率预测值。本发明提出的基于本征可预测量提取的风电集群日前预测方法,其物理意义明确、预测稳定性强、预测性能高、预测结果有效、实用性强。
-
公开(公告)号:CN116435987A
公开(公告)日:2023-07-14
申请号:CN202310233756.X
申请日:2023-03-12
申请人: 东北电力大学 , 中国电力科学研究院有限公司
IPC分类号: H02J3/00 , G06F18/23213 , G06F18/2135 , G06F30/27 , G06N3/0442 , G06N3/0455 , G06N3/0499 , G06N3/082 , G06F17/18
摘要: 本发明是一种大规模风电集群超短期风电功率预测方法,其特点是,包括:基于模糊聚类的风电集群划分方法、基于时空注意力神经网络的风电集群功率预测方法、仿真计算和误差分析步骤。首先采用统计特征提取方法构造风电场波动特征,进一步以模糊聚类算法构建风电集群划分模型;然后,构建时空注意力网络提取风电数据时空特征,并训练大规模风电集群功率预测模型;最后,用综合指标评估体系分析风电功率预测性能的稳定性。具有科学合理、物理意义清晰、快速高效、简单实用、精度更高的优点。
-
公开(公告)号:CN116384561A
公开(公告)日:2023-07-04
申请号:CN202310275044.4
申请日:2023-03-21
申请人: 东北电力大学 , 中国电力科学研究院有限公司
摘要: 本发明的一种风电集群功率超短期预测误差修正方法,其特点是,包括:考虑了风电功率预测误差对负荷峰谷时段的危害、对初步预测得到的风电功率超短期预测误差进行分负荷峰谷时段的修正、仿真计算和误差分析步骤,考虑风电功率预测误差的季节特性对一日内负荷谷值时段Ⅰ、峰值时段Ⅰ、谷值时段Ⅱ和峰值时段Ⅱ进行分别修正,并且基于这种修正,负荷峰谷时段有害误差有效减少,负荷谷值时段的弃风损失也相对减少,提升了系统运行经济性;本发明提出的修正模型是一种适用于多模型初步预测再修正的模型,其计算简单、预测性能高、物理意义清晰、预测结果有效、实用性强。
-
公开(公告)号:CN112668806B
公开(公告)日:2022-09-06
申请号:CN202110058821.0
申请日:2021-01-17
申请人: 中国南方电网有限责任公司 , 东北电力大学 , 中国电力科学研究院有限公司
IPC分类号: G06Q10/04 , G06Q50/06 , G06K9/62 , G06F30/20 , G06F111/08
摘要: 本发明的一种基于改进随机森林的光伏功率超短期预测计算方法,其特点是,包括:随机森林模型的初步预测、初步预测结果下午时段的修正、初步预测结果上午时段的修正、仿真计算和误差分析步骤,将光伏功率日周期性分析应用随机森林模型所得到的双时段序列预测中,并且与基础随机森林预测方法对比进行预测,能够反映系统动态特性、跟踪未来功率趋势;改进随机森林超短期预测模型是一种修正预测模型,本模型计算简单、预测性能高、物理意义清晰、预测结果有效、实用性强。
-
-
-
-
-
-
-
-
-