一种基于图卷积神经网络的风电功率预测方法及系统

    公开(公告)号:CN111784041A

    公开(公告)日:2020-10-16

    申请号:CN202010598496.2

    申请日:2020-06-28

    IPC分类号: G06Q10/04 G06Q50/06 G06N3/04

    摘要: 一种基于图卷积神经网络的风电功率预测方法及系统,获取区域内各个风电的地理位置信息,构建距离倒数矩阵;对风电数据进行采样构建样本集,样本集包括训练数据样本集以及预测数据样本集;依据距离倒数矩阵构建图卷积神经网络层;构建时序卷积神经网络层;基于图卷积神经网络层以及时序卷积神经网络层构建风电预测模型;利用训练数据样本集对风电预测模型进行训练,然后对预测数据样本集进行预测。本发明利用基于图卷积神经网络能够有效处理风电站间地理位置信息的非欧氏数据,可以充分挖掘其数据的空间相关性;针对风电站之间的图数据结构进行了合理的设计,使其更符合风电的出力特性;利用该模型进预测风电功率,能够提高预测的精度。

    一种气电综合能源系统调度方法及装置

    公开(公告)号:CN113065682A

    公开(公告)日:2021-07-02

    申请号:CN202010002706.7

    申请日:2020-01-02

    摘要: 本发明涉及一种气电综合能源系统调度方法及装置,包括:根据气电综合能源系统的调度成本确定气电综合能源系统的最优调度方案;利用所述最优调度方案对气电综合能源系统进行调度;其中,所述最优调度方案包括下述中的至少一种:各燃气轮机的最优有功功率、各储能装置的最优充电功率、各储能装置的最优放电功率、各天然气气源的最优输出气流量、柔性负荷的最优运行功率、主网最优购电功率、各新能源发电机组的最优出力、切除直流负荷的最优功率以及切除交流负荷的最优功率;本发明利用获得的最优调度方案进行调度,提高了气电综合能源系统的鲁棒性和经济性。

    一种气电综合能源系统调度方法及装置

    公开(公告)号:CN113065682B

    公开(公告)日:2024-06-07

    申请号:CN202010002706.7

    申请日:2020-01-02

    摘要: 本发明涉及一种气电综合能源系统调度方法及装置,包括:根据气电综合能源系统的调度成本确定气电综合能源系统的最优调度方案;利用所述最优调度方案对气电综合能源系统进行调度;其中,所述最优调度方案包括下述中的至少一种:各燃气轮机的最优有功功率、各储能装置的最优充电功率、各储能装置的最优放电功率、各天然气气源的最优输出气流量、柔性负荷的最优运行功率、主网最优购电功率、各新能源发电机组的最优出力、切除直流负荷的最优功率以及切除交流负荷的最优功率;本发明利用获得的最优调度方案进行调度,提高了气电综合能源系统的鲁棒性和经济性。