-
公开(公告)号:CN112564098A
公开(公告)日:2021-03-26
申请号:CN202011387165.0
申请日:2020-12-02
申请人: 国网浙江省电力有限公司电力科学研究院 , 国网浙江省电力有限公司 , 南京理工大学
摘要: 本发明公开了基于时间卷积神经网络的高比例光伏配电网电压预测方法,包括:步骤1,对原始负荷数据进行数据预处理:基于多时间尺度,采用最大最小区间缩放法对电压时间序列数据进行归一化处理,得到完整的电压序列;步骤2,构造输入特征向量集:基于决策树的极度梯度提升树算法进行特征筛选,构造训练样本集,输出各特征权重,结合权重大小和电压预测模型情况筛选出不同的特征子集;步骤3,建立基于含高比例光伏配电网电压预测构架,训练时间卷积网络预测模型,得到电压预测结果。本发明通过将提取到的特征与时间结合,输入时间卷积神经网络模型的不同通道,得出预测结果,从而达到显著升高配电网电压预测的精度的目的。
-
公开(公告)号:CN112564098B
公开(公告)日:2022-08-30
申请号:CN202011387165.0
申请日:2020-12-02
申请人: 国网浙江省电力有限公司电力科学研究院 , 国网浙江省电力有限公司 , 南京理工大学
摘要: 本发明公开了基于时间卷积神经网络的高比例光伏配电网电压预测方法,包括:步骤1,对原始负荷数据进行数据预处理:基于多时间尺度,采用最大最小区间缩放法对电压时间序列数据进行归一化处理,得到完整的电压序列;步骤2,构造输入特征向量集:基于决策树的极度梯度提升树算法进行特征筛选,构造训练样本集,输出各特征权重,结合权重大小和电压预测模型情况筛选出不同的特征子集;步骤3,建立基于含高比例光伏配电网电压预测构架,训练时间卷积网络预测模型,得到电压预测结果。本发明通过将提取到的特征与时间结合,输入时间卷积神经网络模型的不同通道,得出预测结果,从而达到显著升高配电网电压预测的精度的目的。
-
公开(公告)号:CN110707763B
公开(公告)日:2022-09-06
申请号:CN201910990050.1
申请日:2019-10-17
申请人: 南京理工大学
摘要: 本发明公开了一种基于集成学习的交直流配电网负荷预测方法,对原始负荷数据进行负荷数据填充和归一化,利用滑动时间窗口采样负荷样本输入向量和样本标签,构造训练数据集;建立梯度提升模型,设置弱学习器个数,建立多个浅层神经网络来拟合梯度提升算法的负梯度,得到组合预测模型;利用滑动时间窗口选取待预测时间点前的负荷向量作为输入向量,结合集成学习模型,确定负荷预测值。本发明通过融合多个模型的强学习器进行负荷预测,提高了负荷预测的精度。
-
公开(公告)号:CN110766301B
公开(公告)日:2022-08-16
申请号:CN201910970200.2
申请日:2019-10-12
申请人: 南京理工大学
摘要: 本发明提供了一种基于NARX神经网络的交直流电网自治能力评估方法,从源网荷储角度,提取训练交直流电网数据的分项评估指标;根据分项评估指标,确定原始评价矩阵及参考数列;使用熵值法,确定各分项评估指标的客观权重;根据原始评价矩阵、参考数列和客观权重,确定训练电网数据的综合灰关联度;根据分项评估指标和综合灰关联度,训练NARX神经网络的评估模型;基于训练的NARX神经网络的评估模型,评估交直流电网自治能力等级。本发明比传统方法选取的指标特征更具全局性,评估精度更高。
-
公开(公告)号:CN110311420A
公开(公告)日:2019-10-08
申请号:CN201910589567.X
申请日:2019-06-29
申请人: 南京理工大学
摘要: 本发明公开了一种风光联合出力时序场景的生成方法,包括:建立考虑相关性的风电、光伏联合概率分布模型;生成风电、光伏出力的随机数矩阵;利用改进的拉丁超立方抽样法进行抽样,得到随机数样本矩阵;根据样本值的反函数得到风电、光伏出力样本;采用乔莱斯基分解法得到时序出力场景;对时序场景进行削减以确定最佳的场景组合。本发明考虑风电、光伏出力的随机性和风光之间的相关性,实现了风光联合出力时序场景的生成和削减,能更准确地描述风电、光伏的实际出力特征。
-
公开(公告)号:CN110165679A
公开(公告)日:2019-08-23
申请号:CN201910431497.5
申请日:2019-05-22
申请人: 南京理工大学
摘要: 本发明提供了一种紧急情况下计及系统频率和电压特性的自适应切负荷方法,计算系统紧急情况下的不平衡功率;确定切负荷动作轮次和各轮次的动作频率值、动作时延、切负荷量;根据母线电压灵敏度确定切负荷地点,分配切负荷量;根据负荷重要性和频率变化率,选择切除负荷。本发明根据系统紧急情况下的频率、电压特性动态整定功率缺额,根据母线电压灵敏度动态分配各负荷节点的切负荷量,比传统离线整定切负荷量方法的自适应性及切负荷的准确性更高,避免了系统出现过切的情况,提高了系统运行的经济性。
-
公开(公告)号:CN113705885A
公开(公告)日:2021-11-26
申请号:CN202110988019.1
申请日:2021-08-26
申请人: 南京理工大学
摘要: 一种融合VMD、XGBoost及优化TCN的配电网电压预测方法及系统,属于配电网电压预测技术领域,解决如何提高现有技术中配电网电压预测精度低的问题;本发明的技术方案根据新能源接入配电网的情况、电压数据的特点,分别从数据采集、数据特征以及预测精度三个方面入手,采用VMD将电压时间序列分解为多个子信号模态,降低数据的非平稳性;利用XGBoost对影响电压的多个特征因素进行选择,避免单一特征重要性度量的局限性,优化输入TCN的数据,叠加预测结果实现电压预测输出,提高预测精度;三种算法的融合使得对配电网电压预测的误差更小,提高预测了的准确性和效率。
-
公开(公告)号:CN111092428B
公开(公告)日:2022-09-27
申请号:CN201911262243.1
申请日:2019-12-10
申请人: 南京理工大学
摘要: 本发明公开了一种基于模型预测控制的主动配电网动态虚拟集群划分方法,以滚动优化时间周期作为时间段划分依据,结合集群供电率约束和滚动优化目标函数,进行集群供电率约束校验、滚动优化,确定未来第一个滚动优化时间周期内的集群划分方案;以反馈校正时间周期作为时间段划分依据,结合反馈校正目标函数,在未来第一个滚动优化时间周期内对滚动优化得到的集群划分方案在每个反馈校正时间周期进行一次反馈校正,确定未来第一个滚动优化时间周期内每个反馈校正时间周期的集群划分方案;本发买明根据实时信息反馈构成动态的闭环集群划分优化,能有效跟踪系统实际工况变化,摆脱预测偏差与分布式能源波动对主动配电网分区控制的不利影响。
-
公开(公告)号:CN113705885B
公开(公告)日:2024-05-17
申请号:CN202110988019.1
申请日:2021-08-26
申请人: 南京理工大学
IPC分类号: G06Q10/0637 , G06Q50/06 , H02J3/00 , G06N3/0464 , G06N3/09
摘要: 一种融合VMD、XGBoost及TCN的配电网电压预测方法及系统,属于配电网电压预测技术领域,解决如何提高现有技术中配电网电压预测精度低的问题;本发明的技术方案根据新能源接入配电网的情况、电压数据的特点,分别从数据采集、数据特征以及预测精度三个方面入手,采用VMD将电压时间序列分解为多个子信号模态,降低数据的非平稳性;利用XGBoost对影响电压的多个特征因素进行选择,避免单一特征重要性度量的局限性,优化输入TCN的数据,叠加预测结果实现电压预测输出,提高预测精度;三种算法的融合使得对配电网电压预测的误差更小,提高预测了的准确性和效率。
-
公开(公告)号:CN110165679B
公开(公告)日:2023-03-31
申请号:CN201910431497.5
申请日:2019-05-22
申请人: 南京理工大学
摘要: 本发明提供了一种紧急情况下计及系统频率和电压特性的自适应切负荷方法,计算系统紧急情况下的不平衡功率;确定切负荷动作轮次和各轮次的动作频率值、动作时延、切负荷量;根据母线电压灵敏度确定切负荷地点,分配切负荷量;根据负荷重要性和频率变化率,选择切除负荷。本发明根据系统紧急情况下的频率、电压特性动态整定功率缺额,根据母线电压灵敏度动态分配各负荷节点的切负荷量,比传统离线整定切负荷量方法的自适应性及切负荷的准确性更高,避免了系统出现过切的情况,提高了系统运行的经济性。
-
-
-
-
-
-
-
-
-