-
公开(公告)号：CN117313958B
公开(公告)日：2024-02-20
申请号：CN202311594528.1
申请日：2023-11-28
Applicant: 山东大学 , 国网山东省电力公司德州供电公司
Inventor： 王飞 , 杨明 , 于一潇 , 李梦林 , 王传琦 , 李鹏 , 韩学山 , 燕树民 , 葛杨 , 封国栋 , 高文浩 , 韩立群 , 周通 , 张宝宇 , 陈新华 , 谢海远 , 邢晨
IPC: G06Q10/04 , G06Q50/06 , G06N3/0475 , G06N3/0455 , G06N3/096 , H02J3/00
Abstract: 本公开提供了基于迁移学习的低压分布式光伏功率预测方法及系统，涉及光伏发电功率预测技术领域，包括：低压分布式光伏数据在输入至Transformer‑Adapter Fusion预测模型后，首先将Transformer特征提取网络模型作为基础负荷预测的源模型进行特征嵌入，获取低压分布式光伏数据的特征信息，然后将Transformer‑Adapter神经网络模型作为目标模型，复制源模型上部分任务设计及参数，实现模型知识迁移获取低压分布式光伏数据的关键特征，再采用Adapter Fusion微调技术为对应的adapte模块分配不同的权重，聚合关键特征信息，最后输出光伏功率的预测的结果。
-
公开(公告)号：CN117313958A
公开(公告)日：2023-12-29
申请号：CN202311594528.1
申请日：2023-11-28
Applicant: 山东大学 , 国网山东省电力公司德州供电公司
Inventor： 王飞 , 杨明 , 于一潇 , 李梦林 , 王传琦 , 李鹏 , 韩学山 , 燕树民 , 葛杨 , 封国栋 , 高文浩 , 韩立群 , 周通 , 张宝宇 , 陈新华 , 谢海远 , 邢晨
IPC: G06Q10/04 , G06Q50/06 , G06N3/0475 , G06N3/0455 , G06N3/096 , H02J3/00
Abstract: 本公开提供了基于迁移学习的低压分布式光伏功率预测方法及系统，涉及光伏发电功率预测技术领域，包括：低压分布式光伏数据在输入至Transformer‑Adapter Fusion预测模型后，首先将Transformer特征提取网络模型作为基础负荷预测的源模型进行特征嵌入，获取低压分布式光伏数据的特征信息，然后将Transformer‑Adapter神经网络模型作为目标模型，复制源模型上部分任务设计及参数，实现模型知识迁移获取低压分布式光伏数据的关键特征，再采用Adapter Fusion微调技术为对应的adapte模块分配不同的权重，聚合关键特征信息，最后输出光伏功率的预测的结果。
-
公开(公告)号：CN119442918A
公开(公告)日：2025-02-14
申请号：CN202510024934.7
申请日：2025-01-08
Applicant: 山东大学
IPC: G06F30/27 , G06N3/0442 , G06N3/0985 , G06N20/20 , G06F113/06 , G06F119/06
Abstract: 本发明属于风电功率预测技术领域，具体公开了一种面向风机覆冰场景的短期风电功率预测方法及系统，方法包括：构建适用于风机叶片的覆冰模型，通过覆冰模拟辅助求解设定气象条件下覆冰模型中的关键参数；获取待测区域设定时间范围内风机覆冰场景下的气象数据及覆冰数据，气象数据输入至训练好的基本预测模型，得到风电功率基本预测结果，覆冰数据和风速数据输入至训练好的功率损失预测模型，得到功率损失预测结果；基于风电功率基本预测结果和功率损失预测结果，得到最终的面向风机覆冰场景的短期风电功率预测结果。本发明能够在节省计算资源的前期下，提高覆冰数据的计算准确性，进而提高功率预测结果的可靠性。
-
公开(公告)号：CN119209529A
公开(公告)日：2024-12-27
申请号：CN202411696989.4
申请日：2024-11-26
Applicant: 山东大学
IPC: H02J3/00 , G06Q10/063 , G06Q10/04 , G06Q50/06 , G06F18/213 , G06F18/24
Abstract: 本发明属于分行业负荷预测技术领域，本发明提供了一种基于类型分析和特征重构的分行业负荷预测方法及系统，获取各行业的用电负荷数据及气象特征数据，进行预处理；对不同行业的用电负荷进行分类；计算各气象特征变量与不同类别用电负荷之间的最大信息系数，根据最大信息系数的值进行特征选择，并重构气象特征矩阵；将距离待预测日设定时间段内的历史负荷数据作为模型输入特征，合并至特征矩阵中；以合并后的特征矩阵为输入，负荷值为输出，对深度学习模型进行训练；根据预测目标的用电类型选择对应的特征矩阵，利用训练后的深度学习模型进行日前负荷预测。本发明能够实现不同行业的日前负荷预测。
-
公开(公告)号：CN118153785A
公开(公告)日：2024-06-07
申请号：CN202410578268.7
申请日：2024-05-11
Applicant: 山东大学
IPC: G06Q10/04 , H02J3/00 , H02J3/46 , G06Q50/06 , G06F18/15 , G06F18/213 , G06F18/214 , G06F18/241 , G06N3/0455 , G06N3/084 , G06N3/088 , G06F123/02
Abstract: 本发明涉及风光新能源功率预测技术领域，提供了一种极端天气下风光爬坡事件及极值功率预测方法及系统。该方法包括，依据极端天气事件的机理分析结果，获取极端天气的常规气象数据和极端气象数据；基于极端天气的常规气象数据和极端气象数据，采用堆叠去噪自编码器进行编码，提取关键气象特征；基于关键气象特征，采用分类器，识别爬坡标签；基于连续爬坡过程的爬坡标签，采用预测网络，预测爬坡起止端点的极值功率，所述极值功率为爬坡起止端点功率的平均绝对误差。本发明能够准确预测爬坡事件及极值功率，降低新能源发电的不确定性，提高新能源的消纳范围，保障新型电力系统在复杂场景下的供电能力。
-
Patent Agency Ranking
公开(公告)号：CN118052420A
公开(公告)日：2024-05-17
申请号：CN202410451224.8
申请日：2024-04-16
Applicant: 山东大学 , 国网(苏州)城市能源研究院有限责任公司
IPC: G06Q10/0631 , G06Q10/067 , G06Q50/06 , G06Q10/04
Abstract: 本发明属于综合能源系统优化调度技术领域，本发明提供了一种计及多供热网络互动策略的电‑热系统调度方法及系统，本发明将电热综合能源系统作为一个整体进行评估，考虑了供热网络的调节能力共享期与还原期，并评估了整个热力系统应对电力系统波动的调节能力，提高了运行的灵活性和经济性。
-
公开(公告)号：CN117808171A
公开(公告)日：2024-04-02
申请号：CN202410223585.7
申请日：2024-02-29
Applicant: 山东大学
IPC: G06Q10/04 , G06Q10/067 , G06Q10/0631 , G06Q50/06
Abstract: 本发明涉及能源调度技术领域，本发明公开了综合能源系统低碳优化调度方法、系统、存储介质及设备，包括：对于每个综合能源园区主体，获取其余综合能源园区主体传递的交易信息和用户的负荷需求，通过两阶段分布鲁棒优化方法，求解合作效益最大化子问题模型，得到碳配额交易量和各设备出力，并基于所述设备出力对综合能源园区主体内的设备进行调度；在每个综合能源园区主体内，基于所述各设备出力，通过求解碳排放流模型，得到各时刻各节点的碳势，基于所述各节点的碳势，对用户实施价格型需求响应后，计算用户参与价格型需求响应后的负荷需求。能够引导用户改变自身用电行为，有效降低系统碳排放。
-
公开(公告)号：CN117728403A
公开(公告)日：2024-03-19
申请号：CN202311753127.6
申请日：2023-12-18
Abstract: 本发明公开了一种寒潮天气大风场景下的风电功率概率预测方法及系统，涉及风电功率预测技术领域。该方法包括步骤：获取寒潮天气大风场景下数值天气预报数据和风电功率数据；根据数值天气预报数据与风电功率的相关性，选取出与风电功率强相关的关键气象因子；构建风电功率预测模型，利用风电功率预测模型对关键气象因子与风电功率数据进行预测，得到风电功率预测值；构建分位数回归概率预测模型，利用分位数回归概率预测模型对风电功率预测值进行处理，得到风电功率预测概率分布区间。本发明能够实现寒潮天气大风场景下风电功率的概率预测，为定性研究寒潮天气对风电的影响提供参考。
-
公开(公告)号：CN116436003B
公开(公告)日：2023-09-22
申请号：CN202310705489.1
申请日：2023-06-15
Applicant: 山东大学
IPC: H02J3/00 , H02J3/38 , G06N7/01 , G06F17/18 , G06F30/20 , G06F111/04 , G06F113/04 , G06F119/02
Abstract: 本发明属于电力系统技术领域，具体涉及一种主动配电网风险约束备用优化方法、系统、介质及设备，包括：考虑条件风险价值，确定主动配电网系统的运行风险；基于所确定的系统运行风险，构建主动配电网备用优化模型；采用改进的近端策略优化法求解所构建的主动配电网备用优化模型，完成主动配电网的备用优化；其中，所述改进的近端策略优化法采用使用时间差分偏差作为优势函数的无偏估计，将所构建的备用优化模型重构为约束马尔科夫决策过程，通过构建拉格朗日函数松弛条件风险价值约束完成主动配电网的备用优化。本发明考虑条件风险价值约束，通过构建备用优化模型实现主动配电网备用优化，提高主动配电网备用优化的可靠性与经济性。
-
公开(公告)号：CN116436003A
公开(公告)日：2023-07-14
申请号：CN202310705489.1
申请日：2023-06-15
Applicant: 山东大学
IPC: H02J3/00 , H02J3/38 , G06N7/01 , G06F17/18 , G06F30/20 , G06F111/04 , G06F113/04 , G06F119/02
Abstract: 本发明属于电力系统技术领域，具体涉及一种主动配电网风险约束备用优化方法、系统、介质及设备，包括：考虑条件风险价值，确定主动配电网系统的运行风险；基于所确定的系统运行风险，构建主动配电网备用优化模型；采用改进的近端策略优化法求解所构建的主动配电网备用优化模型，完成主动配电网的备用优化；其中，所述改进的近端策略优化法采用使用时间差分偏差作为优势函数的无偏估计，将所构建的备用优化模型重构为约束马尔科夫决策过程，通过构建拉格朗日函数松弛条件风险价值约束完成主动配电网的备用优化。本发明考虑条件风险价值约束，通过构建备用优化模型实现主动配电网备用优化，提高主动配电网备用优化的可靠性与经济性。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.059 seconds)
