-
公开(公告)号:CN119558479A
公开(公告)日:2025-03-04
申请号:CN202411733892.6
申请日:2024-11-29
Inventor: 许唐云 , 钱徐喆 , 奚增辉 , 姚嘉敏 , 游本垚 , 万励 , 纪宇诚 , 黄兴德 , 林伟 , 张梦翰 , 杨伟 , 孙毅 , 王天栋 , 秦伯韡 , 吴裔 , 张梦圆 , 郑成 , 刘子腾
Abstract: 本发明涉及一种电力电量积温效应时长预测方法、装置和介质,方法包括以下步骤:获取原始数据,将原始数据划分为多组数据,分别对各组内高温时间段温敏负荷数据与温度数据进行小波变换,得到时频分布数据;利用频域因果分析法,综合时频分布数据进行因果推断,得到温度对温敏电力电量数据的因果效应,确定显式因果关系出现的时间;采集连续多日的每日负荷数据、每日电量数据与每日温度数据,作为待分析数据;利用高阶格兰杰因果方法,根据待分析数据预测积温效应的持续时间。与现有技术相比,本发明具有准确度高、可解释性强等优点。
-
公开(公告)号:CN119599214A
公开(公告)日:2025-03-11
申请号:CN202411733891.1
申请日:2024-11-29
Inventor: 郑成 , 万励 , 奚增辉 , 游本垚 , 钱徐喆 , 纪宇诚 , 黄兴德 , 林伟 , 许唐云 , 张梦翰 , 杨伟 , 孙毅 , 王天栋 , 秦伯韡 , 吴裔 , 张梦圆 , 刘子腾
IPC: G06Q10/04 , G06Q50/06 , G06F30/27 , G06F17/18 , G06N3/048 , G06N3/08 , G06N5/048 , G01R22/06 , G01K13/00 , G06F119/14 , G06F119/08
Abstract: 本发明涉及一种预测温敏电力电量的方法、装置和介质,包括以下步骤:采集电力系统的连续多日的每日电力电量、每日平均温度和分析迟滞天数;对每日电力电量进行趋势分解,得到温敏电力电量;根据每日平均温度设置临界温度;将温敏电力电量和对应日的每日平均温度,根据临界温度划分训练数据;结合模糊推理,通过分析迟滞天数和每日平均温度引入定量表征参数,采用自回归动力学模型描述温度与温敏电力电量的关系;使用训练数据对自回归动力学模型回归,并通过参数搜索方式更新临界温度,利用指标反演方法计算阈值温度,得到拟合好参数的自回归动力学模型,用于预测未来温敏电力电量。与现有技术相比,本发明具有准确度高,模型计算量小等优点。
-
公开(公告)号:CN119559011A
公开(公告)日:2025-03-04
申请号:CN202411733996.7
申请日:2024-11-29
Inventor: 吴裔 , 游本垚 , 奚增辉 , 秦伯韡 , 许唐云 , 万励 , 钱徐喆 , 纪宇诚 , 林伟 , 黄兴德 , 张梦翰 , 杨伟 , 孙毅 , 王天栋 , 张梦圆 , 郑成 , 刘子腾
Abstract: 本发明涉及一种基于节律分解的用电变化分析方法、装置和介质,方法包括以下步骤:获取电力电量的原始时间序列数据,进行预处理得到处理后的数据;基于预定义的乘法分解数学模型,对处理后的数据进行不同节律要素下的分解,获得电力电量的趋势性分量、不同节律要素下的波动分量、以及突发性的随机非节律分量;对趋势性分量、波动分量和随机非节律分量进行分析,得到细化后的各个成分分量;将细化后的各个成分分量基于乘法分解模型进行合并,并利用预处理后的数据集对模型进行训练,构建最终的用电分析模型;使用最终的用电分析模型,对新数据进行分析,得到用电分析结果。与现有技术相比,本发明具有准确性高等优点。
-
公开(公告)号:CN117674075A
公开(公告)日:2024-03-08
申请号:CN202311410515.4
申请日:2023-10-27
Applicant: 复旦大学
IPC: H02J3/00 , G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06Q50/26 , G06N3/092 , G06N5/04 , G06N20/00 , H02J13/00
Abstract: 本发明属于环保技术领域,具体为一种产业园区全生命周期的碳排放管控方法。本发明包括:以数字孪生平台为基础,融合时空节律模型及调配优化算法对实体产业园区进行实时的碳资源管理;依据产业园区实时的能源需求,优化调配策略并通过数字化平台实时调控园区内大型设备、企业的能源使用;利用时空节律模型,对园区整体能源循环链从时间及空间维度进行重新布局优化;通过使用一个受控的随机微分方程来描述碳排放的过程体现系统状态;作为控制问题的最终目标,定义一个相应的代价泛函,其依赖于园区内的能源消耗和人力成本;使用数学方法寻找到最优的控制策略来调控受控的系统状态,进而使得代价泛函达到全局最优。
-
-
-