-
公开(公告)号：CN105260802A
公开(公告)日：2016-01-20
申请号：CN201510751803.5
申请日：2015-11-06
申请人： 国网冀北电力有限公司 , 北京清软创新科技股份有限公司
摘要： 本发明公开了一种基于修正业扩生长曲线与季节调整的月度电量预测方法，采用不同方式实现了对用户个体和行业整体的月度电量曲线的预测，并借助对用户个体的用电生长曲线的拟合提取出相应的关键参量，用以修正行业整体的业扩生长曲线，从而使得行业整体的电量预测更加准确。针对某地区钢铁行业的月度电量预测进行了实证分析，预测结果表明本发明所提出的预测方法能够准确地对用户个体和行业整体的月度电量进行预测，证明了本发明预测方法的有效性。
-
公开(公告)号：CN105260802B
公开(公告)日：2019-11-19
申请号：CN201510751803.5
申请日：2015-11-06
申请人： 国网冀北电力有限公司 , 北京清软创新科技股份有限公司
摘要： 本发明公开了一种基于修正业扩生长曲线与季节调整的月度电量预测方法，采用不同方式实现了对用户个体和行业整体的月度电量曲线的预测，并借助对用户个体的用电生长曲线的拟合提取出相应的关键参量，用以修正行业整体的业扩生长曲线，从而使得行业整体的电量预测更加准确。针对某地区钢铁行业的月度电量预测进行了实证分析，预测结果表明本发明所提出的预测方法能够准确地对用户个体和行业整体的月度电量进行预测，证明了本发明预测方法的有效性。
-
公开(公告)号：CN109858665A
公开(公告)日：2019-06-07
申请号：CN201811488151.0
申请日：2018-12-06
申请人： 国网河北省电力有限公司 , 北京清软创新科技股份有限公司
摘要： 本发明公开了基于特征筛选与ANFIS-PSO的光伏短期功率预测方法，包括：选择已发生的任意时间段的某地区光伏发电功率和天气的历史数据；对该时间段该地区光伏发电功率的和天气的历史数据进行特征筛选，选择出对光伏发电功率影响相关度强的天气的历史数据作为天气特征数据；对筛选的天气特征数据输入自适应神经模糊推理算法搭建的训练网络，训练网络对筛选的天气特征数据进行数据训练并构建模糊推理系统；对天气特征数据进行训练时，采用粒子群算法对训练网络进行优化；输入该地区未来某一时间段预测的天气特征数据，得到该地区未来某一时间段的光伏发电功率预测结果。输入数据大大简化，节省了数据训练时间，在训练模型优化过程中不容易陷入局部极小值。
-
公开(公告)号：CN108932557A
公开(公告)日：2018-12-04
申请号：CN201810399074.5
申请日：2018-04-28
申请人： 云南电网有限责任公司临沧供电局 , 北京清软创新科技股份有限公司
摘要： 本发明公开了一种基于气温累积效应和灰色关联度的短期负荷预测模型，具体步骤如下：步骤一，选取相关程度较高的气象指标；步骤二，在预测过程中考虑待预测日前一天的最高温度和平均温度数据；步骤三，选取数据样本；步骤四，建立LSSVM预测模型；步骤五，用训练后的模型进行负荷预测。本发明可以较好地对提高相似日选取精度和负荷预测精度，本发明优化了模型的训练过程，考虑气温累积效应可以有效跟踪气温变化对负荷的影响，依据灰色关联度选取相似日的方法也可以有效弥补LSSVM在历史负荷数据选取过程中带来的误差，同时减小训练的时长；本发明的方法可以显著提高负荷预测的精度，从而验证了所提预测模型的可行性。
-
公开(公告)号：CN117833231A
公开(公告)日：2024-04-05
申请号：CN202410015232.8
申请日：2024-01-04
申请人： 国网安徽省电力有限公司 , 北京清软创新科技股份有限公司
IPC分类号： H02J3/00 , G06N3/0442 , G06N3/045 , G06N3/08 , G06Q50/06
摘要： 本申请适用于负荷预测技术领域，提供了基于Bi‑LSTM和双重注意力机制的负荷预测方法，该方法包括：获取目标电网的第一历史时段的影响因素数据和电网负荷数据；影响因素数据为影响电网负荷的因素数据；影响因素数据包括光伏发电数据和用户负荷数据；将第一历史时段的影响因素数据和电网负荷数据输入至预先建立的周期记忆神经网络模型进行训练，得到训练好的周期记忆神经网络模型；周期记忆神经网络模型包括双重注意力机制、Bi‑LSTM神经网络和残差神经网络；基于目标电网的待预测时段的影响因素数据以及训练好的周期记忆神经网络模型，预测目标电网在待预测时段的电网负荷数据。本申请能够有效提高电网负荷的预测精度。
-
公开(公告)号：CN106602568B
公开(公告)日：2019-05-31
申请号：CN201611208979.7
申请日：2016-12-23
申请人： 国网浙江省电力公司 , 国网浙江省电力公司杭州供电公司 , 国家电网公司 , 北京清软创新科技股份有限公司
IPC分类号： H02J3/06
摘要： 本发明公开了一种电网分区间的电力平衡方法及装置，其中该方法包括：对目标区域内的电网进行划分，得到多个电网分区；基于每个电网分区的电源出力功率、联络线功率及负荷占用功率计算每个电网分区的出力平衡状态；将出力平衡状态为富裕状态的电网分区多余的出力功率传输至出力平衡状态为紧张状态的电网分区，实现电网分区间的电力平衡。由此，首先将目标区域内的电网划分为多个电网分区，进而基于每个电网分区的电源出力功率、联络线功率及负荷占用功率计算每个电网分区的出力平衡状态，并将出力平衡状态为富裕状态的电网分区多余的出力功率传输至出力平衡状态为紧张状态的电网分区，由此通过出力功率的输送实现了不同电网分区间的电力平衡。
-
公开(公告)号：CN107992991A
公开(公告)日：2018-05-04
申请号：CN201711081387.8
申请日：2017-11-07
申请人： 国家电网公司 , 国网河南省电力公司经济技术研究院 , 北京清软创新科技股份有限公司
发明人： 白宏坤 , 王江波 , 杨红旗 , 刘军会 , 韩俊杰 , 岳菁鹏 , 罗欣 , 刘梅 , 肖雄 , 刘丽新 , 李虎军 , 杨萌 , 邓方钊 , 尹硕 , 李文峰 , 华远鹏 , 宋大为 , 赵文杰 , 李甜甜 , 马任远 , 金曼 , 杨钦臣
摘要： 本发明公开了一种基于外部环境因素和协整理论的年度售电量预测方法，包括以下步骤：S1：选取外部变量和数据预处理，选取经济发展水平、产业结构、人口增长、城市化进程、居民消费及能源消费等维度，得到售电量函数，同时将选取的变量数据对数化，S2：对变量的时间序列进行平稳性检测，平稳性检测所用的单位根检验为ADF检验，ADF检验构造了一个类似于t-分布的统计量τ＝(ρ-1)/Sρ，其中Sρ是统计量ρ的标准差。本发明基于协整理论和外部经济等数据，提出在电网年度售电量预测过程中的多变量建模的一种方法，对于克服传统建模技术缺陷，提升预测精度有积极的引导作用。
-
公开(公告)号：CN106602568A
公开(公告)日：2017-04-26
申请号：CN201611208979.7
申请日：2016-12-23
申请人： 国网浙江省电力公司 , 国网浙江省电力公司杭州供电公司 , 国家电网公司 , 北京清软创新科技股份有限公司
IPC分类号： H02J3/06
CPC分类号： H02J3/06
摘要： 本发明公开了一种电网分区间的电力平衡方法及装置，其中该方法包括：对目标区域内的电网进行划分，得到多个电网分区；基于每个电网分区的电源出力功率、联络线功率及负荷占用功率计算每个电网分区的出力平衡状态；将出力平衡状态为富裕状态的电网分区多余的出力功率传输至出力平衡状态为紧张状态的电网分区，实现电网分区间的电力平衡。由此，首先将目标区域内的电网划分为多个电网分区，进而基于每个电网分区的电源出力功率、联络线功率及负荷占用功率计算每个电网分区的出力平衡状态，并将出力平衡状态为富裕状态的电网分区多余的出力功率传输至出力平衡状态为紧张状态的电网分区，由此通过出力功率的输送实现了不同电网分区间的电力平衡。
-
公开(公告)号：CN117937456A
公开(公告)日：2024-04-26
申请号：CN202410096436.9
申请日：2024-01-23
IPC分类号： H02J3/00 , G06Q10/04 , G06Q50/06 , G06N3/0455 , G06N3/0442 , G06N3/08
摘要： 本申请适用于电量预测技术领域，提供了用电量预测方法、电子设备及存储介质，该用电量预测方法包括：通过HP过滤器获取第一历史时段的气象数据的第一趋势分量；基于第一趋势分量和第一历史时段的用电量数据，对基于Seq2Seq的用电量预测模型进行训练，得到训练好的基于Seq2Seq的用电量预测模型；其中，基于Seq2Seq的用电量预测模型以交叉注意机制为编码器，以LSTM神经网络为解码器；通过待预测时段的气象数据和训练好的基于Seq2Seq的用电量预测模型对待预测时段的目标用电量进行预测。本申请能够有效提高用电量预测模型的预测精度，提升预测出的用电量的准确度。
-
公开(公告)号：CN109299814B
公开(公告)日：2024-02-02
申请号：CN201811000055.7
申请日：2018-08-30
申请人： 国网江苏电力设计咨询有限公司 , 国网江苏省电力有限公司经济技术研究院 , 国网江苏省电力有限公司 , 国家电网有限公司 , 北京清软创新科技股份有限公司
摘要： 本发明公开了一种气象影响电量分解预测方法，包括以下步骤：S1：设置基础月份：默认春季基础月份为5月，秋季基础月份为10月；S2：计算气象相关性：分成冬季和夏季两个部分分别计算数据，如果所在月份属于11‑4月份，则计算冬季相关性，如果所在月份属于6‑9月份，则计算夏季相关性，基础月份则不参与计算，相关性计算公式为 得到相关性数据；S3：计算每月气象影响电量增长率：对S2中的相关性数据通过ym＝yi‑yj和δ＝(ym/yj)*100％式进行计算，得到每月气象影响电量增长率并显示相关系数。根据科学的理论根据，推断出气象因素是影响电力负荷预测的重要考虑因素，提升负荷预测的准确率，误差较小。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.059 秒)
