-
公开(公告)号:CN110570023B
公开(公告)日:2023-05-16
申请号:CN201910758297.0
申请日:2019-08-16
IPC分类号: G06Q10/04 , G06Q50/06 , G06N3/044 , G06N3/08 , G06N20/10 , G06F18/27 , G06F18/214 , H02J3/00
摘要: 本发明涉及基于SARIMA‑GRNN‑SVM的短期商业电力负荷预测方法,包括如下步骤:通过对负荷曲线的分析得出商业电力负荷波动的影响因素;对商业电力负荷时间序列预测与多因素回归预测构建单一预测模型;构建SVM模型,并利用训练样本对SVM模型进行参数优化与训练,通过网格搜索与交叉验证法进行SVM模型的参数优化;将SARIMA模型、GRNN模型得出的预测日的预测值输入到训练后的SVM模型中,即得到预测日的商业电力负荷预测值。本发明克服了单一预测模型无法综合考虑商业负荷的周期性变化与影响因素导致预测结果易发生较大误差的问题,提升了预测精确度与鲁棒性。
-
公开(公告)号:CN109165792B
公开(公告)日:2021-09-21
申请号:CN201811072221.4
申请日:2018-09-14
摘要: 本发明涉及一种基于SOA‑WNN的光伏短期输出功率预测方法,其技术特点在于:包括以下步骤:步骤1、构建基于皮尔森相似系数的相似日选取原则,确定小波神经网络的拓扑结构;步骤2、采用人群搜索算法以输出误差最小为适应度函数对小波神经网络的权值及小波基函数中的参数进行优化;步骤3、基于步骤2的小波神经网络参数优化,将相似日数据样本带入小波神经网络中进行建模,得到光伏短期输出功率预测值。本发明将小波分析与BP神经网络进行融合,可以改善原有算法的固有缺陷,并利用人群搜索法在速度及全局搜索上的优势对小波神经网络进行改进。
-
公开(公告)号:CN110705070A
公开(公告)日:2020-01-17
申请号:CN201910905100.1
申请日:2019-09-24
IPC分类号: G06F30/20 , G06Q50/06 , G06F113/04
摘要: 本发明涉及分布式能源系统多阶段滚动优化规划方法,包括如下步骤:S1、建立内外热电解耦仿真评估模型,并建立仿真评估模型的迭代优化操作流程;S101、建立电、热平衡方程式;S102、根据外层母线平衡方程式和调度策略,计算各设备输出功率和各母线间传输功率,S103、将外层确定的各母线交换电/热功率输入步骤S101中的内层的电、热系统模型S104、判断计算前后各母线内部网络损耗值变化是否小于允许误差范围;S105、将系统状态量作为仿真结果输出;S2、建立智能优化模型;S3、对仿真评估模型及智能优化模型进行滚动优化求解。本发明实现对分布式能源系统的优化配置,提高分布式能源系统选址定容的精度和可扩展性。
-
公开(公告)号:CN109165792A
公开(公告)日:2019-01-08
申请号:CN201811072221.4
申请日:2018-09-14
摘要: 本发明涉及一种基于SOA-WNN的光伏短期输出功率预测方法,其技术特点在于:包括以下步骤:步骤1、构建基于皮尔森相似系数的相似日选取原则,确定小波神经网络的拓扑结构;步骤2、采用人群搜索算法以输出误差最小为适应度函数对小波神经网络的权值及小波基函数中的参数进行优化;步骤3、基于步骤2的小波神经网络参数优化,将相似日数据样本带入小波神经网络中进行建模,得到光伏短期输出功率预测值。本发明将小波分析与BP神经网络进行融合,可以改善原有算法的固有缺陷,并利用人群搜索法在速度及全局搜索上的优势对小波神经网络进行改进。
-
公开(公告)号:CN110689189B
公开(公告)日:2023-05-09
申请号:CN201910905847.7
申请日:2019-09-24
IPC分类号: G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06N3/00
摘要: 本发明涉及考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法,包括:S1、根据冷热电联合系统运行状态建立供能侧模型;S2、根据用户负荷特性建立需求侧需求响应控制模型;S3、获得供能灵活性指标和用能灵活性指标;S4、建立冷热电联合供需平衡优化调度模型;该模型以微网和外电网电能交互成本、燃气成本和设备维护成本为总运行成本;以电能和冷/热能量灵活性指标的均方根为系统综合灵活性指标;S5、运用多目标粒子群算法对建立的冷热电联合供需平衡优化调度模型进行求解,并根据实际情况选择最合适的解。本发明综合考虑供能侧和需求侧两类灵活性资源,从供需互补以及多能互补的角度,构建灵活性供需平衡,降低了微网的运行费用。
-
公开(公告)号:CN110570023A
公开(公告)日:2019-12-13
申请号:CN201910758297.0
申请日:2019-08-16
摘要: 本发明涉及基于SARIMA-GRNN-SVM的短期商业电力负荷预测方法,包括如下步骤:通过对负荷曲线的分析得出商业电力负荷波动的影响因素;对商业电力负荷时间序列预测与多因素回归预测构建单一预测模型;构建SVM模型,并利用训练样本对SVM模型进行参数优化与训练,通过网格搜索与交叉验证法进行SVM模型的参数优化;将SARIMA模型、GRNN模型得出的预测日的预测值输入到训练后的SVM模型中,即得到预测日的商业电力负荷预测值。本发明克服了单一预测模型无法综合考虑商业负荷的周期性变化与影响因素导致预测结果易发生较大误差的问题,提升了预测精确度与鲁棒性。
-
公开(公告)号:CN110689189A
公开(公告)日:2020-01-14
申请号:CN201910905847.7
申请日:2019-09-24
摘要: 本发明涉及考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法,包括:S1、根据冷热电联合系统运行状态建立供能侧模型;S2、根据用户负荷特性建立需求侧需求响应控制模型;S3、获得供能灵活性指标和用能灵活性指标;S4、建立冷热电联合供需平衡优化调度模型;该模型以微网和外电网电能交互成本、燃气成本和设备维护成本为总运行成本;以电能和冷/热能量灵活性指标的均方根为系统综合灵活性指标;S5、运用多目标粒子群算法对建立的冷热电联合供需平衡优化调度模型进行求解,并根据实际情况选择最合适的解。本发明综合考虑供能侧和需求侧两类灵活性资源,从供需互补以及多能互补的角度,构建灵活性供需平衡,降低了微网的运行费用。
-
公开(公告)号:CN109325880A
公开(公告)日:2019-02-12
申请号:CN201811107171.9
申请日:2018-09-21
摘要: 本发明涉及一种基于Verhulst-SVM的中长期负荷预测方法,其技术特点在于:包括以下步骤:步骤1、分析经济新常态背景下各种新影响因素造成的不确定影响;步骤2、基于步骤1做出的分析,建立基于Verhulst模型的负荷影响因素预测模型,解得影响因素的预测值;并利用支持向量机完成相关历史数据的回归建模;步骤3、建立基于Verhulst-SVM的中长期负荷预测模型,得到目标年份负荷预测值。本发明实现了小样本历史数据条件下的中长期负荷高精度预测,有效指导经济新常态背景下中长期负荷预测。
-
-
-
-
-
-
-