-
公开(公告)号：CN116703249B
公开(公告)日：2024-01-19
申请号：CN202310982652.9
申请日：2023-08-07
申请人： 南京师范大学
IPC分类号： G06Q10/0639 , G06Q10/04 , G06Q50/06 , G06F30/20 , G06F111/08
摘要： 本发明公开了一种基于CKL风电容量预测的可信度分析方法，步骤如下：建立嵌套ARIMA风速模型，获得原始风速数据的预测结果；建立二次型Copula模型风电出力概率模型；建立基于CKL的风电出力预测模型，获得可信度分析的输入数据；设置风电场可靠性指标，将此作为风电出力可信度分析的前提；以预测结果为输入，采用蒙特卡洛模拟法，对风电预测出力进行容量可信度分析。本发明能够在原有可信度分析的基础上，实现对未来一段时间的可信度分析，解决现有技(56)对比文件Meftah Elsaraiti等.A ComparativeAnalysis of the ARIMA and LSTM PredictiveModels and Their Effectiveness forPredicting Wind Speed《.Energies》.2021,第1-16.
-
公开(公告)号：CN116415383B
公开(公告)日：2023-09-12
申请号：CN202310688316.3
申请日：2023-06-12
申请人： 南京师范大学
IPC分类号： G06F30/18 , G06F30/20 , G06F17/11 , G06F17/16 , G06F111/04 , G06F113/14 , G06F119/06 , G06F119/08 , G06F119/14
摘要： 本发明公开了基于改进UKF的电热气耦合网络状态估计方法、系统，首先根据电热气各子系统时间尺度差异和动态惯性不同分别建立各子系统的量测模型；其次将天然气网络的管道偏微分模型离散化处理，使之成为差分方程；针对水力网络与热力网络分层进行建模，同时构建燃气轮机、蒸汽轮机、P2G设备电热气耦合元件模型；然后将电热子系统量测方程线性化，对于天然气网络，将UKF中的协方差矩阵正定化；之后将模型运用于电热气耦合网络中；最后通过线性规划与非线性变换参数求解电热量测方程状态变量，通过UKF求解天然气网络状态变量，得到电热气耦合网络状态变量，实现向能源管理系统提供可信的熟数据。
-
公开(公告)号：CN116703249A
公开(公告)日：2023-09-05
申请号：CN202310982652.9
申请日：2023-08-07
申请人： 南京师范大学
IPC分类号： G06Q10/0639 , G06Q10/04 , G06Q50/06 , G06F30/20 , G06F111/08
摘要： 本发明公开了一种基于CKL风电容量预测的可信度分析方法，步骤如下：建立嵌套ARIMA风速模型，获得原始风速数据的预测结果；建立二次型Copula模型风电出力概率模型；建立基于CKL的风电出力预测模型，获得可信度分析的输入数据；设置风电场可靠性指标，将此作为风电出力可信度分析的前提；以预测结果为输入，采用蒙特卡洛模拟法，对风电预测出力进行容量可信度分析。本发明能够在原有可信度分析的基础上，实现对未来一段时间的可信度分析，解决现有技术中稳定性不够、精度不高等问题。
-
公开(公告)号：CN116244977B
公开(公告)日：2023-07-25
申请号：CN202310534762.9
申请日：2023-05-12
申请人： 南京师范大学
IPC分类号： G06F30/20 , G06F119/08 , G06F119/06
摘要： 本发明公开了一种基于JSBP预测辅助的电热系统状态估计方法，步骤如下：将已知的热网和电网的参数进行归一化；建立初步的水力模型、热力模型以及热力系统的量测模型，并从量测中确定热力网中的参数，并求出状态量；建立抗差状态估计模型，将系统量测值作为模型输入数据集；建立基于人工水母神经网络的状态估计模型，将系统量测值作为模型输入数据集，将前一时刻的系统状态集作为预测样本；不断地对系统进行反复预测来实现状态估计，本发明能够预测系统下一时刻的状态值，并确定抗差状态估计中的优势，为系统的分析和预防提供重要信息。
-
公开(公告)号：CN116244977A
公开(公告)日：2023-06-09
申请号：CN202310534762.9
申请日：2023-05-12
申请人： 南京师范大学
IPC分类号： G06F30/20 , G06F119/08 , G06F119/06
摘要： 本发明公开了一种基于JSBP预测辅助的电热系统状态估计方法，步骤如下：将已知的热网和电网的参数进行归一化；建立初步的水力模型、热力模型以及热力系统的量测模型，并从量测中确定热力网中的参数，并求出状态量；建立抗差状态估计模型，将系统量测值作为模型输入数据集；建立基于人工水母神经网络的状态估计模型，将系统量测值作为模型输入数据集，将前一时刻的系统状态集作为预测样本；不断地对系统进行反复预测来实现状态估计，本发明能够预测系统下一时刻的状态值，并确定抗差状态估计中的优势，为系统的分析和预防提供重要信息。
-
公开(公告)号：CN118568529A
公开(公告)日：2024-08-30
申请号：CN202410622778.X
申请日：2024-05-17
申请人： 南京师范大学 , 中国电力科学研究院有限公司
IPC分类号： G06F18/2321 , G06F18/22 , G06N3/0499 , G06Q50/06 , H02J3/00
摘要： 本发明公开了一种基于VMD‑KELM的重大极端天气下光伏发电功率预测方法，包括：对影响光伏电站发电的环境因素进行灰色关联度分析，提取影响光伏发电效率的典型气象要素；根据GMM聚类算法对相似日进行选取，并引入迭代自由度对GMM聚类算法进行改进，提取发电功率差分负荷特征，并在提取过程中对迭代自由度进行改进，利用VMD变分模态分解对光伏电站的功率预测数据傅里叶分解，进行平稳化处理；根据KELM核极限学习机将复杂的空间问题转化为高维内积运算问题，对每个尺度的模态函数进行建模和预测。本发明提高了气象数据分型的准确性；利用VMD对光伏数据进行分解，降低了数据的非平稳性，并通过KELM对子序列进行结构重组，提高了模型的预测精度。
-
公开(公告)号：CN118469106A
公开(公告)日：2024-08-09
申请号：CN202410942530.1
申请日：2024-07-15
申请人： 南京师范大学
IPC分类号： G06Q10/04 , G06Q50/06 , G06F18/23213 , G06F18/2411 , G06F18/214 , G06N3/0442 , G06N3/0464 , H02J3/00
摘要： 本发明公开了一种考虑历史相似日与组合权重的光伏功率预测方法，包括以下步骤：（1）利用灰色关联度选取重要气象特征，并采用模糊C均值聚类将历史日划分为晴天、多云、阴天和雨雪天气组成训练集；（2）将分类好的四个训练集分别通过最小二乘支持向量机LSSVR预测；（3）利用完全集合经验模态分解将历史数据分解成若干子序列，将各子序列通过卷积网络与长短期记忆网络并加入注意力机制的混合网络模型进行预测；（4）使用灰色关联分析法将LSSVR的预测结果与C模型的预测结果进行组合，以获得最终的预测结果；本发明更有效地进行光伏电站地能源管理和调度，减少因预测误差导致地能源浪费，从而带来显著地经济效益。
-
公开(公告)号：CN118017527B
公开(公告)日：2024-06-14
申请号：CN202410424609.5
申请日：2024-04-10
申请人： 南京师范大学
摘要： 本发明公开了一种绿证约束下基于改进ADMM的多源荷系统联合运行方法、系统，所述方法包括：建立单一源荷系统的绿证配额约束模型；建立单一源荷系统的激励型负荷需求响应模型；单一源荷系统组成多源荷系统，建立多源荷系统的联合优化运行模型，在其中引入绿证配额惩罚项；采用改进ADMM算法对联合优化运行模型进行分布式求解，计算得到每个时刻热能设备和电能设备的输出功率，基于求解的结果对多源荷系统进行优化控制。采用上述技术方案，充分优化多源荷系统中每一个系统的可再生能源消纳和碳排放量，并且将需求响应机制纳入优化的考虑中，降低负荷曲线峰谷差和能源网供能压力，从单一源荷侧实现多源荷系统低碳运行。
-
公开(公告)号：CN117973639A
公开(公告)日：2024-05-03
申请号：CN202410371893.4
申请日：2024-03-29
申请人： 南京师范大学
IPC分类号： G06Q10/04 , G06Q50/06 , G06F18/213 , G06F18/214 , G06F18/22 , G06N3/0442
摘要： 本发明公开了一种基于多尺度相似日和改进型集成算法的光伏功率预测方法，包括以下步骤：（1）根据收集到的NWP数据集，使用变异系数法计算各气象因子权重；（2）根据各气象因子的权重，采用多尺度相似日法计算预测日与各历史日气象因子的相似度，（3）利用SRCC分析特征与目标值之间的相关性，（4）使用LSTM和informer基础模型对训练集的短、长时间序列进行特征提取，采用TSCV法以Stacking集成算法作为框架生成元特征序列；（5）根据集成算法提取的元特征序列利用多元LR拟合特征序列与目标值之间的映射关系，最终得到光伏功率的预测值；本发明采用集成算法对光伏发电功率进行预测，准确度更高。
-
公开(公告)号：CN116565863B
公开(公告)日：2023-09-26
申请号：CN202310837787.6
申请日：2023-07-10
申请人： 南京师范大学
IPC分类号： H02J3/00 , H02J3/38 , G06F18/20 , G06F18/15 , G06F18/213 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06Q10/0631 , G06Q50/06
摘要： 本发明公开了一种基于时空相关性的短期光伏出力预测方法，步骤如下：获取某区域多个光伏电站的历史功率及待测电站影响因子的历史数据，建立特征数据库；利用皮尔逊相关性分析，选取强相关的气象因子；引入历史发电功率，构造延时输入特征；建立基于区域光伏电站拓扑结构的GCN模型，对多光伏电站光伏空间演变模式横向追踪，聚合邻近光伏电场的空间特征，输出包含空间演变模式的空间特征集合；采用SGMD对输入特征进行模态分解，得到能够表现历史数据时序变化特征的多级模态子序列，构造高维特征集合；采用CNN‑BiLSTM神经网络进行特征提取和光伏发电功率预测，并进行误差评估。本发明为新型电力系统的能量管理和优化调度提供基础，具备较高的预测精度和可行性。
-
-
-
-
-
-
-
-
-
搜索结果
22 条记录 (耗时 0.045 秒)
