-
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
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
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。
-