公开(公告)号：CN109767037A

公开(公告)日：2019-05-17

申请号：CN201811621836.8

申请日：2018-12-28

申请人： 国网湖北省电力有限公司随州供电公司 ,  北京清软创新科技股份有限公司

发明人： 何舟 ,  朱锦峰 ,  贾耀坤 ,  张庆 ,  潘俊文 ,  于美丽

IPC分类号： G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06K9/62 ,  H02J3/00

摘要： 本发明公开了一种夏季日最大负荷的预测方法，涉及电力系统短期负荷预测研究领域，要解决的是没有考虑气象因素导致的预测结果不理想的问题。本发明具体步骤如下：得到原始样本集；将原始样本集进行非线性变换、指数加权变换、主成分分析和最小二乘支持向量机预测，得到每天最大负荷的预测值。本发明提出了一种基于非线性变换、指数加权变换、主成分分析和最小二乘支持向量机的预测模型，考虑了温度、湿度、风速对负荷的单独影响和综合影响，考虑实时影响和累积影响，能够有效提高气象敏感地区的夏季日最大负荷预测准确率，具有积极的社会效益和广阔的使用前景。

公开(公告)号：CN109146131A

公开(公告)日：2019-01-04

申请号：CN201810754491.7

申请日：2018-07-11

申请人： 国网河北省电力有限公司 ,  北京清软创新科技股份有限公司

发明人： 时珉 ,  王铁强 ,  王一峰 ,  尹瑞 ,  胡文平 ,  于美丽 ,  何琰

IPC分类号： G06Q10/04 ,  G06Q50/06

CPC分类号： G06Q10/04 ,  G06Q50/06

摘要： 本发明公开了一种日前风力发电预测方法，具体步骤如下：步骤一，将NWP气象预测预测数据、历史实际风电发电数据和历史实际风速数据分解为子序列；步骤二，对子序列进行训练；步骤三，将通过希尔伯特‑黄变换得到的历史实际风速数据子序列作为输入，历史实际风力发电数据子序列作为输出，得到根据实际风速数据来预测风力发电的训练模型；步骤四，通过遗传算法优化根据实际风速数据来预测风力发电的训练模型；步骤五，利用希尔伯特‑黄变换的逆变换还原利用人工神经网络得到的风力发电预测数据。本发明考虑了实际风速历史数据、实际风力发电历史数据和NWP气象预测数据(包括风速、风向、气压、气温和湿度)，能够有效提高风力发电预测准确率。