-
Patent Agency Ranking
公开(公告)号：CN112365089B
公开(公告)日：2022-12-02
申请号：CN202011366595.4
申请日：2020-11-26
Applicant: 南方电网能源发展研究院有限责任公司
Abstract: 本发明公开了一种考虑分时电价的长时间尺度储能容量配置与控制优化方法，包括：获取目标区域的历史负荷数据和分布式发电数据；根据所述历史负荷数据和所述分布式发电数据，分别构建目标区域内层优化模型的目标函数和目标区域外层优化模型的目标函数；构建约束条件，并对所述内层优化模型和所述外层优化模型进行迭代运算，直到迭达运算的结果符合预设的判定条件时，输出结果并得到储能配置方案和控制策略。本发明不仅可以实现储能装置的容量和控制联合优化，实现装置运行控制的效益最大化，还进一步考虑基于分时电价的需求响应对储能控制、配置的影响，提高对储能优化配置的优化能力和经济性。
-
公开(公告)号：CN115358476A
公开(公告)日：2022-11-18
申请号：CN202211042308.3
申请日：2022-08-29
Applicant: 南方电网能源发展研究院有限责任公司
Abstract: 本申请涉及一种需求响应潜力预测方法、装置、计算机设备、存储介质和计算机程序产品。通过检测需求响应潜力预测请求，从电力数据库中获取待预测对象的单位度电产值、负荷峰谷分布系数和负荷可中断系数，并根据上述各个系数分别对应的等级查询预设规则表，根据得到的自弹性系数和互弹性系数确定弹性系数矩阵，根据弹性系数矩阵、待预测对象在预设时间段内的原始用电需求量、原始用电代价、更新后用电代价以及用电时段数量，确定待预测对象在预设时间段内响应于更新后用电代价的新用电需求量。相较于传统的通过物理建模方式进行预测，本方案通过基于单位度电产值、峰谷负荷系数、负荷可中断系数和弹性系数矩阵预测需求响应潜力，降低了预测复杂度。
-
公开(公告)号：CN112365090A
公开(公告)日：2021-02-12
申请号：CN202011366686.8
申请日：2020-11-26
Applicant: 南方电网能源发展研究院有限责任公司
Abstract: 本发明涉及公开了基于深度学习的非入侵式用电负荷识别方法，包括：获取数据，其中，所述数据包括：历史负荷数据和外部影响因素数据；对所述数据进行预处理，其中，所述预处理具体为：对所述历史负荷数据进行剔除坏值、填补空值、计算特征值和归一化处理；并对所述外部影响数据进行量化处理；将预处理后的数据依次输入到预设的深度学习模型、时序模型以及分类模型，输出结果并得到负荷识别的结果。本发明能够通过现有的家庭负荷电力监测装置(家用电表)，实现对家庭用户不同类型负荷(电器)的状态识别的目的。
-
公开(公告)号：CN112365089A
公开(公告)日：2021-02-12
申请号：CN202011366595.4
申请日：2020-11-26
Applicant: 南方电网能源发展研究院有限责任公司
Abstract: 本发明公开了一种考虑分时电价的长时间尺度储能容量配置与控制优化方法，包括：获取目标区域的历史负荷数据和分布式发电数据；根据所述历史负荷数据和所述分布式发电数据，分别构建目标区域内层优化模型的目标函数和目标区域外层优化模型的目标函数；构建约束条件，并对所述内层优化模型和所述外层优化模型进行迭代运算，直到迭达运算的结果符合预设的判定条件时，输出结果并得到储能配置方案和控制策略。本发明不仅可以实现储能装置的容量和控制联合优化，实现装置运行控制的效益最大化，还进一步考虑基于分时电价的需求响应对储能控制、配置的影响，提高对储能优化配置的优化能力和经济性。
-
公开(公告)号：CN112348287A
公开(公告)日：2021-02-09
申请号：CN202011366594.X
申请日：2020-11-26
Applicant: 南方电网能源发展研究院有限责任公司
Abstract: 本发明公开了一种基于LSTM分位数回归的电力系统短期负荷概率密度预测方法及装置，包括：采集负荷预测地区的历史负荷数据和外部影响因素数据，并将所述历史负荷数据和所述外部影响因素数据分别构造历史负荷数据序列矩阵和外部影响数据序列矩阵；将所述历史负荷数据序列矩阵和所述外部影响数据序列矩阵进行归一化处理，并将归一化的序列分为测试组序列和训练组序列；将经过归一化处理后历史负荷数据序列矩阵和外部影响数据序列矩阵输入到预设的LSTM分位数回归预测模型，得到短期负荷概率密度的预测结果。本发明能够在保障较高预测精度的同时，考虑到负荷的不确定性，获取用户在未来某段时间内负荷的概率分布情况，使预测结果包含更多的信息。
-
-
-
-
Search Results
5
records
(took 0.053 seconds)
