一种基于实时功率预测的配电网动态多阶段日前无功调度方法

    公开(公告)号:CN118920615A

    公开(公告)日:2024-11-08

    申请号:CN202410920337.8

    申请日:2024-07-10

    Abstract: 本发明公开了一种基于实时功率预测的配电网动态多阶段日前无功调度方法,该日前无功调度方法的具体步骤包括:A、考虑DG预测误差,采用机会约束对并联电容器与DG的无功进行初步静态优化,所得结果作为下一优化阶段的初始值;B、以线路损耗与动作成本最小为优化目标,对离散型并联电容器的投切容量进行粗略无功优化;C、综合考虑DG与负荷不确定性,以线路损耗最小为优化目标,以DG的无功出力为优化变量,进行精细无功优化;D、粗略无功优化阶段的并联电容器投切容量作为精细无功优化阶段的输入值,精细无功优化阶段得到的DG出力值再返回粗略无功优化阶段进行投切容量的更新,不断迭代,实现配电网动态多阶段日前动态无功优化。本发明充分考虑不同调节特性的无功电源之间的协调,采用机会约束表征DG与负荷的不确定性,以达到充分利用无功容量,降低电压越限风险,降低无功补偿设备调节成本,延长设备使用寿命的目的。

    一种融合形态聚类及TCN-Attention的短期负荷预测方法

    公开(公告)号:CN111815035B

    公开(公告)日:2024-01-30

    申请号:CN202010571442.7

    申请日:2020-06-22

    Abstract: 本发明涉及一种融合形态聚类及TCN‑Attention的短期负荷预测方法,包括以下步骤:S1:对负荷历史日数据进行形态聚类,形成多个负荷相似日簇;S2:对影响负荷预测的数据进行预处理,获取待预测日负荷预测的影响因素数据;S3:根据各负荷相似日簇与影响因素数据的相似性为待预测日选择对应的相似日簇训练子集;S4:将待预测日对应的相似日簇训练子集输入到预测模型进行训练;S5:输入待预测日的影响因素数据至训练完成的预测模型,输出短期负荷预测值;所述的预测模型包括依次连接的输入层、TCN残差模块、Attention机制模块和输出层,与现有技术相比,本发明具有预测速度快且预测(56)对比文件李鹏辉;崔承刚;杨宁;陈辉.基于ARIMALSTM组合模型的楼宇短期负荷预测方法研究.上海电力学院学报.2019,(第06期),全文.张冰;周步祥;石敏;魏金萧.基于灰色关联分析与随机森林回归模型的短期负荷预测.水电能源科学.2017,(第04期),全文.吴云;雷建文;鲍丽山;李春哲.基于改进灰色关联分析与蝙蝠优化神经网络的短期负荷预测.电力系统自动化.2018,(第20期),全文.

    一种基于函数依赖的多样性数据修复方法

    公开(公告)号:CN107656978B

    公开(公告)日:2021-02-12

    申请号:CN201710795434.9

    申请日:2017-09-06

    Abstract: 本发明涉及一种基于函数依赖的多样性数据修复方法,初始化修复集合;判断修复集合中的修复个数是否小于等于设定修复个数,若是,则初始化输入队列后进行下一步,否则进行最后一步;利用偏好函数w’(c)选择每个修复的修复元素,生成输入队列;利用Genrepair算法进行数据修复;判断修复集合中是否包含与本次相同的修复,若为是,则直接返回第二步,否则将本次修复操作加入修复集合,返回第二步;判断是否满足终止条件,若为是,则修复完成,否则对修复集合进行检查,并进行选取相应修复进行替换。与现有技术相比,本发明同时考虑多样性和代价进行数据修复、提高修复效率以及可以适用于指数级别的修复空间的有效动态采样等优点。

Patent Agency Ranking