-
公开(公告)号：CN108363295A
公开(公告)日：2018-08-03
申请号：CN201711446470.0
申请日：2017-12-27
申请人： 国网山东省电力公司电力科学研究院 , 山东科技大学 , 国家电网公司
IPC分类号： G05B13/04
CPC分类号： G05B13/042
摘要： 本发明公开了基于系统辨识的火电机组AGC性能考核指标计算与预测方法，包括：以机组实际运行数据为基础，建立输入为负荷指令和输出为实发功率的一阶延迟惯性模型，采用所建立模型中的参数计算机组AGC性能考核指标；通过建立机组不同AGC指令值与其对应的机组AGC性能考核指标K1、K2、K3之间的非线性回归模型，利用所建立的非线性回归模型实现对机组AGC考核结果进行预测分析。本发明通过建立机组AGC考核指标与机组AGC指令之间的非线性回归模型，实现了对机组AGC考核指标进行预测的功能，克服了当前无法对机组AGC性能进行预测的缺陷。
-
公开(公告)号：CN108363295B
公开(公告)日：2020-11-13
申请号：CN201711446470.0
申请日：2017-12-27
申请人： 国网山东省电力公司电力科学研究院 , 山东科技大学 , 国家电网公司
IPC分类号： G05B13/04
摘要： 本发明公开了基于系统辨识的火电机组AGC性能考核指标计算与预测方法，包括：以机组实际运行数据为基础，建立输入为负荷指令和输出为实发功率的一阶延迟惯性模型，采用所建立模型中的参数计算机组AGC性能考核指标；通过建立机组不同AGC指令值与其对应的机组AGC性能考核指标K1、K2、K3之间的非线性回归模型，利用所建立的非线性回归模型实现对机组AGC考核结果进行预测分析。本发明通过建立机组AGC考核指标与机组AGC指令之间的非线性回归模型，实现了对机组AGC考核指标进行预测的功能，克服了当前无法对机组AGC性能进行预测的缺陷。
-
公开(公告)号：CN107609667B
公开(公告)日：2020-08-18
申请号：CN201710597892.1
申请日：2017-07-20
申请人： 国网山东省电力公司电力科学研究院 , 国家电网公司
摘要： 本发明公开了一种基于Box_cox变换和UFCNN的供热负荷预测方法及系统，其中，该方法包括确定供热负荷预测区域，采集该预测区域内的气温气候以及供热量数据，构建样本数据集；对样本数据集中每个样本的输入和输出数据均进行Box‑Cox变换，进而将变换后的数据划分成训练数据集和验证数据集；构建UFCNN，将训练数据集内的数据输入该网络进行多轮训练，得到训练完成后的网络，并利用该网络对验证数据集进行验证测试学习效果；将待预测数据输入UFCNN，计算出与Box‑Cox变换同量纲的供热负荷预测结果；对与Box‑Cox变换同量纲的供热负荷预测结果进行逆Box‑Cox变换，得出最终的供热负荷预测值。本发明能够纠正供热负荷数据的偏态分布，使其更符合正态分布形式，从而提高数据预测的准确性。
-
公开(公告)号：CN108319131A
公开(公告)日：2018-07-24
申请号：CN201711446095.X
申请日：2017-12-27
申请人： 国网山东省电力公司电力科学研究院 , 山东鲁能软件技术有限公司 , 国家电网公司
IPC分类号： G05B13/04
CPC分类号： G05B13/042
摘要： 本发明公开了基于数据挖掘的机组调峰能力评估方法，包括：获取原始数据：所述原始数据包括：采暖抽汽流量、主蒸汽流量和发电负荷；数据预处理：根据机组运行规程给定的原始数据正常范围，去除停机数据和错误数据；以采暖抽汽流量为基准进行工况划分，得到若干个采暖抽汽流量工况区间；对预处理得到的数据进行标准数据筛选；工况模型构建；根据得到的工况模型，绘制供热工况图；根据得到的工况模型，对不同采暖抽汽流量工况下发电功率和采暖抽汽流量分别进行区间估计。本发明不仅能实现以抽汽流量估算发电负荷区间的以热定电目标，还能实现以发电负荷估算抽汽流量区间的以电定热目标。
-
公开(公告)号：CN108197751A
公开(公告)日：2018-06-22
申请号：CN201810064305.7
申请日：2018-01-23
申请人： 国网山东省电力公司电力科学研究院 , 国家电网公司
摘要： 本发明公开了一种基于多层Bi-GRU的Seq2seq网络短期电力负荷预测方法，利用FCM方法提取相似日样本并通过Min-max标准化方法对输入变量进行标准化，以Bi-GRU神经元为基本单位构建多层次Seq2seq神经网络结构，同时选用SELU激活函数作为整个神经网络的输出层激活函数以减少梯度消失和梯度爆炸，实现整体模型在训练过程中平稳运行。
-
公开(公告)号：CN107239859B
公开(公告)日：2018-05-08
申请号：CN201710414757.9
申请日：2017-06-05
申请人： 国网山东省电力公司电力科学研究院 , 山东鲁能软件技术有限公司 , 国家电网公司
摘要： 本发明公开了一种基于串联长短期记忆循环神经网络的供热负荷预测方法，选取给定时间段的气温气候、供热量数据，构建样本数据集，对样本数据集中的输入数据和输出数据分别进行标准化处理；将输入数据分成两部分，使其分别进入两个独立的长短期记忆循环神经网络，然后对两个长短期记忆循环神经网络进行合并，输出数据再进入下一层长短期记忆循环神经网络，最后进入两个全连接层；对构建的串联长短期记忆循环网络进行训练，利用参数寻优的自适应矩估计算法进行优化；将待预测数据输入串联长短期记忆循环网络，计算得出供热负荷预测结果。本发明能够有效地甄别输入数据，加速学习速度，提高学习效率，提高预测精度。
-
公开(公告)号：CN107609667A
公开(公告)日：2018-01-19
申请号：CN201710597892.1
申请日：2017-07-20
申请人： 国网山东省电力公司电力科学研究院 , 国家电网公司
摘要： 本发明公开了一种基于Box_cox变换和UFCNN的供热负荷预测方法及系统，其中，该方法包括确定供热负荷预测区域，采集该预测区域内的气温气候以及供热量数据，构建样本数据集；对样本数据集中每个样本的输入和输出数据均进行Box-Cox变换，进而将变换后的数据划分成训练数据集和验证数据集；构建UFCNN，将训练数据集内的数据输入该网络进行多轮训练，得到训练完成后的网络，并利用该网络对验证数据集进行验证测试学习效果；将待预测数据输入UFCNN，计算出与Box-Cox变换同量纲的供热负荷预测结果；对与Box-Cox变换同量纲的供热负荷预测结果进行逆Box-Cox变换，得出最终的供热负荷预测值。本发明能够纠正供热负荷数据的偏态分布，使其更符合正态分布形式，从而提高数据预测的准确性。
-
公开(公告)号：CN107578124A
公开(公告)日：2018-01-12
申请号：CN201710751174.5
申请日：2017-08-28
申请人： 国网山东省电力公司电力科学研究院 , 国家电网公司
摘要： 本发明公开了一种基于多层改进GRU神经网络的短期电力负荷预测方法，周期性的构建样本数据集；对样本中的输入数据进行异常点识别和缺失值处理，对处理后的数据进行标准化变换，并将数据集分成训练集、验证集和待预测集；构建改进的GRU神经网络，将训练集数据输入该网络进行多轮训练，得到训练完成后的网络，并利用该网络对验证数据集进行多轮验证测试学习效果，记录并保存最优验证结果的模型权重；将待预测数据集输入训练后得到的最优GRU模型，计算标准化预测结果并进行逆标准化变换，得出最终预测结果。本发明提升了训练的速度和训练的效率。
-
公开(公告)号：CN108695863B
公开(公告)日：2020-04-21
申请号：CN201810400664.5
申请日：2018-04-28
申请人： 国网山东省电力公司电力科学研究院 , 国网山东省电力公司 , 国家电网公司
摘要： 本申请公开了一种电源友好型受端电网一次调频控制方法及系统，该方法和系统在确保受端电网的电网频率超出并网机组设定的一次调频死区范围、并网机组的实际功率在可调范围内且并网机组具备超额功率补偿能力的基础之上，根据主汽压力偏差计算并网机组的超额补偿系数，然后利用超额补偿系数对并网机组当前的转差进行动态修正，实时获取修正后的转差，从而实现对电网功率缺口做出一次调频超额功率补偿调节。本申请能够在不影响机组安全稳定运行的前提下，充分利用机组蓄热对电网功率缺口进行补偿，有利于充分发挥机组的调频潜力和充分利用能源，而且能够释放机组中过多的能量，使主汽压力趋于稳定，从而进一步保证机组稳定运行。
-
公开(公告)号：CN108711847B
公开(公告)日：2019-06-04
申请号：CN201810425979.5
申请日：2018-05-07
申请人： 国网山东省电力公司电力科学研究院 , 山东中实易通集团有限公司 , 山东鲁能软件技术有限公司 , 国家电网公司
摘要： 本发明公开了一种基于编码解码长短期记忆网络的短期风电功率预测方法，首先，使用基于E‑D的LSTM网络对功率进行AE处理，提取训练后的网络中间状态作为WP数据中时序关系的抽象表示；其次，合并前步中提取的网络中间状态与预测期的天气数据，将其输入到新的LSTM网络中，完成对风电功率的预测。与没使用AE预处理的多层LSTM网络方法相比，该方法通过利用AE过程中提取的WP时序关系信息降低了模型的错定(model misspecification)风险，提高了泛化能力，同时将时序特征与天气预测信息进行结合进一步提高了预测精度。
-
-
-
-
-
-
-
-
-
搜索结果
130 条记录 (耗时 0.081 秒)