一种启发式神经网络的负荷聚类预测方法

    公开(公告)号:CN115496298A

    公开(公告)日:2022-12-20

    申请号:CN202211333947.5

    申请日:2022-10-28

    摘要: 本发明涉及电力负荷预测技术领域,公开了一种启发式神经网络的负荷聚类预测方法,包括:S1、获取预测区域内用户的电力负荷数据;S2、在获取用户的电力负荷数据的基础上,使用启发式优化聚类算法对电力负荷数据进行聚类;S3、将S2得到的聚类结果作为训练集,将每类训练集分别输入至模拟退火粒子群优化算法修正的神经网络进行训练,得到每类用户的负荷预测结果。本发明先采用启发式优化聚类算法对用户电力负荷进行聚类,将聚类结果作为训练集输入改进的神经网络进行训练,最终得到预测结果,结合神经网络预测对各类用户进行预测,强化了样本规律性,提升了预测精度,改进的神经网络学习精度提升,训练次数减少,具有良好的适应性。

    一种互联电网改进Ward等值建模方法及系统

    公开(公告)号:CN116562023A

    公开(公告)日:2023-08-08

    申请号:CN202310531497.9

    申请日:2023-05-11

    摘要: 本发明公开了一种互联电网改进Ward等值建模方法及系统,包括:构建三类灵敏度矩阵;及构建改进Ward等值模型;将外网和边界节点的基态潮流运行信息及网络参数输入改进Ward等值模型,并令当前状态为N;根据边界节点输出的潮流数据,判断内网是否发生工况变化或故障;对当前状态下的边界节点电压状态向量与基态进行比较,判断二者差值是否小于阈值,若是,则当前状态量N计数加一,输出原基态运行点下的改进Ward等值模型;否则更新三类灵敏度矩阵,并构建新的改进Ward等值模型,且当前状态量N计数加一。本发明实现追踪外网对内网工况变化的响应,从而在保持等值模型精简性的同时,实现不同工况下的高精度。

    一种新能源出力的概率分布模型建立、应用方法及介质

    公开(公告)号:CN115438312A

    公开(公告)日:2022-12-06

    申请号:CN202211295848.2

    申请日:2022-10-21

    IPC分类号: G06F17/18 G06Q50/06

    摘要: 本发明公开了一种新能源出力的概率分布模型建立、应用方法及介质,涉及新能源出力建模领域,包括以下步骤:S1、获取新能源出力的样本,多个上述样本构成样本序列;S2、根据样本序列,建立新能源出力的最优带宽选择模型;S21、采用非参数核密度估计法对上述最优带宽选择模型的边缘分布进行估计,得到第一分布函数和第二分布函数;S22、根据第一分布函数和第二分布函数,计算新能源出力的最优带宽;S3、建立概率分布模型;S31、根据上述最优带宽,得到核密度估计值;S3、通过K‑S检验对上述概率分布模型进行拟合度检验,若满足精度要求,则得到概率分布模型;否则,返回S2;选择合适的带宽,提高了核密度估计值的精度。