-
公开(公告)号：CN106779129A
公开(公告)日：2017-05-31
申请号：CN201510799160.1
申请日：2015-11-19
Applicant: 华北电力大学(保定) , 国网河北省电力公司
Abstract: 本发明公开了属于电力负荷预测技术领域的一种考虑气象因素的短期电力负荷预测方法。收集历史负荷数据及气象数据，检测并修正异常数据；分析负荷数据与各气象因素的相关性，确定关键气象因素；根据负荷与关键气象因素的相关性建立综合气象因素；总结地区电网日负荷曲线的变化特性，找出预测日的典型相似日；利用选定负荷与综合气象因素建立Elman神经网络短期负荷预测模型，采用萤火虫算法训练网络参数；将待预测时刻的综合气象因素和相应负荷数据输入Elman神经网络短期负荷预测模型，输出待预测时刻的负荷预测值；显示负荷预测值。能准确预测工作日、周末以及法定节假日的负荷数据，预测精度高且适用性强，为电网运行人员制定发电计划提供可靠依据。
-
公开(公告)号：CN112149982B
公开(公告)日：2022-12-20
申请号：CN202010974054.3
申请日：2020-09-16
Applicant: 河北电力交易中心有限公司 , 华北电力大学(保定)
Abstract: 本发明公开了一种计及共享备用的省间交易出清方法、系统及终端设备，该方法包括：获取相应的用电样本数据，并对所述样本数据进行处理获得目标用电数据集；基于跨区域备用共享建立省间交易出清模型，通过NSGA‑II算法，得到所述省间交易出清模型的Pareto最优解集；通过所述NSGA‑II算法，结合Nash均衡博弈决策，将上述所得到的所述目标用电数据集的Pareto最优解集，利用基于Nash均衡点的多目标优化调度模型对最优折中解进行求解，从而得到计及共享备用的省间交易最优出清方案。本发明通过基于跨区域备用共享，将NSGA‑II算法，Nash均衡博弈决策相结合，能得到计及共享备用的省间交易最优出清策略。
-
公开(公告)号：CN112668157B
公开(公告)日：2024-06-18
申请号：CN202011475005.1
申请日：2020-12-14
Applicant: 河北电力交易中心有限公司 , 华北电力大学(保定)
IPC: G06F30/20 , G06F17/18 , G06Q10/0635 , G06Q50/06
Abstract: 本发明公开了一种基于节点停电风险不变的节点备用容量快速评估方法，计算各负荷节点的连通度与其临界连通度的差值，评估正常运行状态下节点停电风险；评估各预想运行场景下节点停电风险；筛选出对目标负荷节点的停电风险有影响的场景组合，筛选节点连通度下降幅度最大的场景；通过负荷响应降低节点等效负荷的手段，将节点停电风险恢复至正常运行状态下节点停电风险，从而确定节点负荷响应需要提供的备用容量。本发明提供的基于节点停电风险不变的节点备用容量快速评估方法，在节点停电风险不变条件下，可以快速计算每一个负荷节点的事故备用容量，提高了节点以负荷响应作为事故备用参与备用服务的可行性。
-
公开(公告)号：CN112018761A
公开(公告)日：2020-12-01
申请号：CN202010886604.6
申请日：2020-08-28
Applicant: 河北电力交易中心有限公司 , 华北电力大学(保定)
Abstract: 本发明公开了一种基于电动汽车V2G的负荷聚合商15分钟备用能力计算方法，根据EV用户历史充电曲线提取充电特征，设计表征充电行为特征的行为标签并计算用户出行的规律性；根据EV用户日V2G的电量、应用地峰谷时段电价确定其参与响应的具体时段；根据串并联网络风险分析方法评估AMI系统的故障概率；基于EV用户日V2G电量和AMI系统的故障概率，计算EV用户未来15分钟能够响应的V2G功率。本发明提供的基于电动汽车V2G的负荷聚合商15分钟备用能力计算方法，通过日均充电量标签计算EV用户日V2G电量，考虑了AMI系统的可靠性，能够对EV参与运行备用的能力进行实时评估，提高了V2G备用市场的可信度。
-
公开(公告)号：CN112149982A
公开(公告)日：2020-12-29
申请号：CN202010974054.3
申请日：2020-09-16
Applicant: 河北电力交易中心有限公司 , 华北电力大学(保定)
Abstract: 本发明公开了一种计及共享备用的省间交易出清方法、系统及终端设备，该方法包括：获取相应的用电样本数据，并对所述样本数据进行处理获得目标用电数据集；基于跨区域备用共享建立省间交易出清模型，通过NSGA‑II算法，得到所述省间交易出清模型的Pareto最优解集；通过所述NSGA‑II算法，结合Nash均衡博弈决策，将上述所得到的所述目标用电数据集的Pareto最优解集，利用基于Nash均衡点的多目标优化调度模型对最优折中解进行求解，从而得到计及共享备用的省间交易最优出清方案。本发明通过基于跨区域备用共享，将NSGA‑II算法，Nash均衡博弈决策相结合，能得到计及共享备用的省间交易最优出清策略。
-
Patent Agency Ranking
公开(公告)号：CN112668157A
公开(公告)日：2021-04-16
申请号：CN202011475005.1
申请日：2020-12-14
Applicant: 河北电力交易中心有限公司 , 华北电力大学(保定)
Abstract: 本发明公开了一种基于节点停电风险不变的节点备用容量快速评估方法，计算各负荷节点的连通度与其临界连通度的差值，评估正常运行状态下节点停电风险；评估各预想运行场景下节点停电风险；筛选出对目标负荷节点的停电风险有影响的场景组合，筛选节点连通度下降幅度最大的场景；通过负荷响应降低节点等效负荷的手段，将节点停电风险恢复至正常运行状态下节点停电风险，从而确定节点负荷响应需要提供的备用容量。本发明提供的基于节点停电风险不变的节点备用容量快速评估方法，在节点停电风险不变条件下，可以快速计算每一个负荷节点的事故备用容量，提高了节点以负荷响应作为事故备用参与备用服务的可行性。
-
公开(公告)号：CN112036740A
公开(公告)日：2020-12-04
申请号：CN202010886553.7
申请日：2020-08-28
Applicant: 河北电力交易中心有限公司 , 华北电力大学(保定)
Abstract: 本发明公开了一种基于节点停电风险不变的节点备用容量快速评估方法，计算各负荷节点的连通度与其临界连通度的差值，评估正常运行状态下节点停电风险；评估各预想运行场景下节点停电风险；筛选出对目标负荷节点的停电风险有影响的场景组合，筛选节点连通度下降幅度最大的场景；通过负荷响应降低节点等效负荷的手段，将节点停电风险恢复至正常运行状态下节点停电风险，从而确定节点负荷响应需要提供的备用容量。本发明提供的基于节点停电风险不变的节点备用容量快速评估方法，在节点停电风险不变条件下，可以快速计算每一个负荷节点的事故备用容量，提高了节点以负荷响应作为事故备用参与备用服务的可行性。
-
公开(公告)号：CN112018761B
公开(公告)日：2022-04-15
申请号：CN202010886604.6
申请日：2020-08-28
Applicant: 河北电力交易中心有限公司 , 华北电力大学(保定)
Abstract: 本发明公开了一种基于电动汽车V2G的负荷聚合商15分钟备用能力计算方法，根据EV用户历史充电曲线提取充电特征，设计表征充电行为特征的行为标签并计算用户出行的规律性；根据EV用户日V2G的电量、应用地峰谷时段电价确定其参与响应的具体时段；根据串并联网络风险分析方法评估AMI系统的故障概率；基于EV用户日V2G电量和AMI系统的故障概率，计算EV用户未来15分钟能够响应的V2G功率。本发明提供的基于电动汽车V2G的负荷聚合商15分钟备用能力计算方法，通过日均充电量标签计算EV用户日V2G电量，考虑了AMI系统的可靠性，能够对EV参与运行备用的能力进行实时评估，提高了V2G备用市场的可信度。
-
公开(公告)号：CN105426956A
公开(公告)日：2016-03-23
申请号：CN201510750464.9
申请日：2015-11-06
Applicant: 国家电网公司 , 国网河北省电力公司 , 北京清软创新科技股份有限公司
Abstract: 本发明公开了一种超短期光伏预测方法，包含如下步骤：训练数据x选取；训练数据归一化处理；训练数据异常化处理；数据函数变换；显著性分析；广义回归神经网络模型训练；广义回归神经网络模型预测，该超短期光伏预测方法，利用广义回归神经网络建模理论及方法，通过增加隐层的基函数，精确了局部逼近，达到全局最优，同时针对模型输入信息做了显著性提取和改进，通过函数变换增强历史数据的相关性，并作为输入信号进入广义回归神经网络预测模型，有效提升了预测精度，另外训练样本选定后，广义回归神经网络结构和权值会自动确定，只需调整平滑参数即可，避免了循环训练的计算过程，更加快速地实现全局逼近的学习和预测能力。
-
公开(公告)号：CN105426956B
公开(公告)日：2019-01-22
申请号：CN201510750464.9
申请日：2015-11-06
Applicant: 国家电网公司 , 国网河北省电力公司 , 北京清软创新科技股份有限公司
Abstract: 本发明公开了一种超短期光伏预测方法，包含如下步骤：训练数据x选取；训练数据归一化处理；训练数据异常化处理；数据函数变换；显著性分析；广义回归神经网络模型训练；广义回归神经网络模型预测，该超短期光伏预测方法，利用广义回归神经网络建模理论及方法，通过增加隐层的基函数，精确了局部逼近，达到全局最优，同时针对模型输入信息做了显著性提取和改进，通过函数变换增强历史数据的相关性，并作为输入信号进入广义回归神经网络预测模型，有效提升了预测精度，另外训练样本选定后，广义回归神经网络结构和权值会自动确定，只需调整平滑参数即可，避免了循环训练的计算过程，更加快速地实现全局逼近的学习和预测能力。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.058 seconds)
