-
公开(公告)号：CN110766190A
公开(公告)日：2020-02-07
申请号：CN201910729313.3
申请日：2019-08-08
Applicant: 国网浙江省电力有限公司衢州供电公司
Abstract: 本发明具体为一种配电网负荷预测方法：包括一：将获取的各个测量点的负荷值进行标幺化处理，处理后的数据形成对应的负荷特征曲线。二：对步骤一中获得的各个负荷特征曲线进行聚类分析，从而实现对缺失和为零的数据进行修正。三：对步骤二获得的同一配变的所有历史负荷特征曲线进行聚类，分析温度、天气、日期对负荷的影响。四：将步骤三中修正后的曲线通过深度置信神经网络建立输出配电网负荷预测模型实现配电网负荷预测。本发明是先采用聚类算法进行配电网负荷特性分析，在此基础上构建通过深度置信神经网络负荷预测模型，通过深度置信神经网络变换将原始负荷序列分解得到不同层级的子集，在各子集分别建模实现对负荷各层特性的合理利用。
-
公开(公告)号：CN109886449A
公开(公告)日：2019-06-14
申请号：CN201811646434.3
申请日：2018-12-30
Applicant: 国网浙江省电力有限公司衢州供电公司
Abstract: 本发明涉及电力系统技术领域，具体涉及一种基于用户用电行为的地区电网负荷预测方法，包括以下步骤：A）导入历史负荷数据；B）负荷数据归一化处理；C）构建样本；D）构建神经网络；E）计算神经网络最后一层的节点的残差；F）计算神经网络除第一层以外全部层的节点残差；G）获得代价函数值；H）获得代价函数关于连接权重值的表达；I）获得代价函数关于偏置置的表达；J）获得代价函数值最小的连接权重值和偏置值；K）进行预测。本发明的实质性效果是：通过将负荷数据归一化处理，减小后续数据处理的离散程度，提高计算结果精度；通过改进的更适应电网数据特征的神经网络进行建模，能够提高预测结果的准确度。
-
公开(公告)号：CN109919352A
公开(公告)日：2019-06-21
申请号：CN201811646431.X
申请日：2018-12-30
Applicant: 国网浙江省电力有限公司衢州供电公司
Abstract: 本发明涉及电力系统技术领域，具体涉及一种基于用户侧用电行为的配网负荷预测方法，包括以下步骤：A)导入历史负荷数据；B)将历史负荷数据归一化处理；C)构建神经网络，每个神经元包括状态传递函数S、输出函数F和系数组 状态传递函数S以及输出函数F均为定义域为(-∞，+∞)值域为[-1,1]的函数；D)训练神经网络；E)进行预测。本发明的实质性效果是：通过将用户分组，负荷数值归一化处理，减小无意义的差异；通过构建改进的神经网络模型，提高神经网络模型对负荷预测的适应度，提高预测精度。
-
公开(公告)号：CN110766189A
公开(公告)日：2020-02-07
申请号：CN201910729303.X
申请日：2019-08-08
Applicant: 国网浙江省电力有限公司衢州供电公司
Abstract: 本发明具体为一种基于数据挖掘的负荷预测方法，利用配电网大数据存储与计算的基于Hadoop的Spark计算平台，利用Hadoop集群对火电大数据进行分布式存储，并结合Spark计算框架对火电大数据进行数据挖掘，从而建立各个监测点的负荷模型。本发明能够根据各个测量点负荷实际运行的特性，对参数进行数据清洗、稳态工况判定，提高数据质量，并排除动态不稳定工况数据对数据挖掘结果的影响，能够全面精确的挖掘出符合实际负荷模型。
-
-
-
Search Results
4
records
(took 0.046 seconds)
