基于数据驱动场景预测的实时能量调控系统

    公开(公告)号:CN119726831A

    公开(公告)日:2025-03-28

    申请号:CN202411910122.4

    申请日:2024-12-24

    Abstract: 本发明公开了基于数据驱动场景预测的实时能量调控系统,包括:数据获取模块,用于获取目标场景的运行数据;模型处理模块,用于利用预设的能量生产单元、能量转换单元和能量存储单元对应的映射模型对运行数据进行计算,并基于优化目标输出最优参数;调控模块,基于最优参数对电网中的各能量单元进行调控。本发明通过构建能量生产单元、能量转换单元和能量存储单元的映射模型,实现了对能源系统各个环节的精确建模。系统能够实时获取目标场景的运行数据,并进行计算,输出最优参数。这些最优参数随后被传递给调控模块,实现对电网中各能量单元的实时调控。

    多能源实体供需调控方法
    8.
    发明公开

    公开(公告)号:CN117350470A

    公开(公告)日:2024-01-05

    申请号:CN202311184628.7

    申请日:2023-09-14

    Abstract: 本申请公开了多能源实体供需调控方法,包括如下步骤:S1:获取能源供给侧历史产能数据以及能源消费侧历史负荷数据,构建能源供给侧产能模型以及能源消费侧负荷模型;S2:以最小代价构建目标函数,根据能源消费侧负荷模型输出预测负荷数据,以预测负荷数据作为约束条件;S3:利用CIA‑ISM分析算法根据能源供给侧产能模型对目标函数进行求解,输出能源供给侧调控策略;S4:根据能源供给侧调控策略进行能源供给侧调控。本申请的有益效果:以最小代价构建目标函数,用能源供给侧之间的产能相互影响关系进行最小代价的求解,得到输出的能源供给侧组满足最小代价的同时产生相互的正向影响以提高能源的利用率。

    基于MIV-BP神经网络的光伏功率短期分类预测方法

    公开(公告)号:CN109376863A

    公开(公告)日:2019-02-22

    申请号:CN201811302459.1

    申请日:2018-11-02

    Abstract: 本发明实施例提供的基于MIV-BP神经网络的光伏功率短期分类预测方法,利用MIV算法筛选不同条件下对光伏功率影响程度较大的天气因素作为预测模型的输入,并根据天气信息中的降雨量数据与数据采样时刻建立分类预测模型进行预测。现有方法多以太阳辐射强度、温度和湿度等作为预测模型的必要输入,通过根据天气因素中的降雨量将原始数据序列分解为降雨时刻序列和非降雨时刻序列,并利用平均影响值算法筛选不同条件下对光伏功率的影响程度较大的天气因素作为预测模型的输入,根据数据的采样时刻进一步将非降雨时刻序列分解,分别对各序列建立子模型进行预测,降低了光伏功率的预测成本,同时提高了预测模型在突变天气下的预测精度,提高了模型的适应性。

Patent Agency Ranking