-
公开(公告)号:CN114841404A
公开(公告)日:2022-08-02
申请号:CN202210307801.7
申请日:2022-03-25
申请人: 国网甘肃省电力公司电力科学研究院 , 国网甘肃省电力公司 , 同济大学
摘要: 本发明公开了一种应用于大规模光伏电场群的统计升尺度预测方法,包括:所述功率预测模型的预测步骤包括:通过分析每个电场输出功率与全区域电场群输出功率间的相关性,分析每个电场功率预测的精度;选取与全区域输出功率相关性高且功率预测精度较高的电场作为代表电场;通过运用数理统计方法分别计算各个代表电场的权重系数,最终通过加权计算区域电场群的功率预测结果,并使用粒子群优化算法对权重系数进行全局寻优。根据本发明,可以预测整个区域内的发电功率。免去了对区域内每个光伏电场进行单独建模的繁琐工作,节约了计算资源与时间。
-
公开(公告)号:CN114723112A
公开(公告)日:2022-07-08
申请号:CN202210307802.1
申请日:2022-03-25
申请人: 国网甘肃省电力公司电力科学研究院 , 国网甘肃省电力公司 , 同济大学
摘要: 本发明公开了一种基于多维气象因子相空间重构的风电出力超短期预测方法,包括:S1、基于多种气象数据进行多种气象因子的特征重构;S2、将多维气象因子的相关性分析;S3、将步骤S2中相关性大的气象因子中的冗余因子,进行冗余性分析,提取更具代表性的特征;S4、通过最小二乘支持向量机预测模型进行滚动预测策略的实时训练。根据本发明,保证在最大程度保留原始数据有效信息的同时,减低数据的噪声和冗余性,提高预测的速度和精度,提高了算法的收敛速度。
-
公开(公告)号:CN112633572A
公开(公告)日:2021-04-09
申请号:CN202011521577.9
申请日:2020-12-21
申请人: 国网甘肃省电力公司电力科学研究院 , 国网甘肃省电力公司
摘要: 本发明提供了一种基于预测气象数据的日分类双模型光伏发电组合预测法,包括K‑means聚类法,所述K‑means聚类法分类后的数据的预测效果会优于分类前,所以使用EDM‑SA‑DBN时序模型对这辐照度、温度天气因素进行预测,并且使用这两个预测的天气因素来对待预测时段进行归类,具体的归类方式是将预测的辐照度和温度值与以往数据集形成的聚类中心点的辐照度和温度值进行比较,并归类进入距离最近的聚类中心点所代表的类别中,然后对于光伏输出波动幅度大的类型使用小波分解‑ARIMA模型进行预测,对光伏输出功率波动幅度小的类型使用EDM‑SA‑DBN模型进行预测,最后将预测值按照原本的时间顺序排列即可得到最终的预测值,与真实值进行比较即可评估模型的预测效果。
-
公开(公告)号:CN112580876A
公开(公告)日:2021-03-30
申请号:CN202011521533.6
申请日:2020-12-21
申请人: 国网甘肃省电力公司电力科学研究院 , 国网甘肃省电力公司
摘要: 本发明提供了基于改进EMD‑LSTM组合模型的光伏电站发电分频段预测方法,使用改进的数据分解方法对非平稳、非线性的光伏电站出力数据序列进行预处理,有效改善预测精度,采用神经网络对光伏电站出力序列进行延拓并加窗,有效分离出力数据中不同波动特征的分量,采用游程判定法将波动性相近的功率分量进行分组,划分为高中低频三个频段,使得特征更加集中,解决了不同发电工况下自适应分解后分量个数不确定的问题,提高预测速度,将数据分解方法与长短期记忆网络相结合,能够实现发电数据的长期记忆,避免了传统神经网络在预测中的长依赖问题,组合模型更适用于解决长周期、强波动、非线性的光伏电站出力预测问题,具有较好的时序预测效果。
-
公开(公告)号:CN112561200A
公开(公告)日:2021-03-26
申请号:CN202011542286.8
申请日:2020-12-22
申请人: 国网甘肃省电力公司电力科学研究院 , 国网甘肃省电力公司
摘要: 本发明提供了基于完备集合经验模态分解和改进蚁群优化的长短期记忆网络的风电站出力混合预测技术,包括以下步骤:S1、利用完备集合经验模态分解对风速序列进行平稳化处理;S2、利用相空间重构的算法将数据集分割成训练集、交叉验证集和测试集;S3、利用改进蚁群优化算法优化LSTM模型参数的选择,得到最优模型。针对风速的特性,利用变完备集合经验模态分解将不稳定的风电出力序列分解成多个平稳序列,降低因为非平稳性对预测精度造成的影响;使用遗传‑蚁群优化算法来避免单一优化算法造成的局部最优问题;多种算法结合的组合预测模型对非平稳序列的预测有较好的泛化能力。
-
公开(公告)号:CN112561181A
公开(公告)日:2021-03-26
申请号:CN202011521550.X
申请日:2020-12-21
申请人: 国网甘肃省电力公司电力科学研究院 , 国网甘肃省电力公司
摘要: 本发明提出了一种基于Unet网络和地基云图的光伏发电预测系统,系统整体工作流程为,选用Xgboost算法及相关性分析方法,量化分析不同环境因素对光复功率的影响,选取合适的环境监测因素作为特征,用于表征天气及环境信息。下一步,通过相关性分析,选取主要影响因素,达到数据降维的效果。然后通过波动量分析及聚类算法,确定天气类型的划分及量化方法,针对不同的天气类型建立预测模型。接下来,基于Unet网络处理分析云图,并根据随机森林算法建立辐照度衰减模型。最后,结合上出研究结果,进行预测模型的建立,分别包括预测、评估及场群预测模型,本发明的光伏发电预测系统使得电场可以准确监控云量信息,并建立准确度更高的预测系统。
-
-
-
-
-