-
公开(公告)号：CN118332347A
公开(公告)日：2024-07-12
申请号：CN202410320133.0
申请日：2024-03-20
Applicant: 山东大学 , 国网山东省电力公司经济技术研究院
Inventor： 杨明 , 李文升 , 陶李丹澜 , 孙东磊 , 赵龙 , 于一潇 , 李梦林 , 王传琦 , 单帅杰 , 张元赫 , 周皓阳 , 刘晓明 , 陈博 , 梁荣 , 孟祥飞 , 孙毅 , 王宪 , 刘蕊 , 王耀 , 袁振华
IPC: G06F18/22 , G06F18/2131 , G06F18/23213 , G06Q50/06 , H02J3/46 , H02J3/14 , G06F123/02
Abstract: 本发明属于分布式光伏技术领域，提供了一种基于高维特征提取的分布式光伏时空特性匹配方法及系统，包括：获取分布式光伏的出力曲线和用户的负荷功率曲线；提取所获取曲线的时空特征，构建时空特征矩阵；根据所构建的时空特征矩阵，进行时空特征多维聚类；基于所得到的多维聚类结果和所获取曲线的时空特征，得到基于聚类结果的分布式光伏与用户负荷之间的相似性分析，完成分布式光伏的时空特性匹配。
-
公开(公告)号：CN118232324A
公开(公告)日：2024-06-21
申请号：CN202410320428.8
申请日：2024-03-20
Applicant: 山东大学 , 国网山东省电力公司经济技术研究院
Inventor： 杨明 , 李文升 , 卓敏仪 , 孙东磊 , 郑志杰 , 于一潇 , 李梦林 , 王传琦 , 单帅杰 , 张元赫 , 周皓阳 , 刘晓明 , 陈博 , 杜鹏 , 梁荣 , 孙毅 , 孟祥飞 , 刘蕊 , 王宪 , 王耀 , 袁振华
IPC: H02J3/00 , H02J3/38 , G06F18/2131 , G06F18/27 , G06N20/00 , G06N3/0442
Abstract: 本发明属于光伏功率预测技术领域，提供了一种考虑周期特性表征的中长期光伏功率预测方法及系统，包括：获取光伏历史功率数据和历史气象数据；筛选所获取的历史气象数据，得到关键相依气象；提取所得到的光伏历史功率数据的时序特征，得到中长期光伏功率周期分量预测值；根据所得到的关键相依气象和中长期光伏功率周期分量预测值，完成中长期光伏功率的预测。
-
公开(公告)号：CN118232318B
公开(公告)日：2024-11-05
申请号：CN202410280082.3
申请日：2024-03-12
Applicant: 山东大学
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/0455
Abstract: 本发明属于短期风电功率预测技术领域，为解决目前台风天气下风功率预测偏差较大问题，提供了台风场景下的短期风电功率预测方法、系统、介质及设备。其中，台风场景下的短期风电功率预测方法包括基于台风条件下的风电功率预测误差与台风天气过程的关系，确定台风对风电功率影响的气象因子集合，进而筛选出关键气象因子，得到台风场景下的模型输入特征；基于预定义的风电最大发电能力对风电最大发电能力理论值进行标定，结合预设发电能力预测模型，得到风电最大发电能力预测结果，实时修改预设功率预测模型的上限激活函数，确定出最终的功率预测模型以进行台风场景下的短期风电功率预测结果，有效提高了台风场景下短期风电功率预测的精度。
-
公开(公告)号：CN118153785B
公开(公告)日：2024-08-20
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。
-
公开(公告)号：CN117293826A
公开(公告)日：2023-12-26
申请号：CN202311585725.7
申请日：2023-11-27
Applicant: 山东大学 , 国网江苏省电力有限公司电力科学研究院
IPC: H02J3/00 , G06F18/2321 , G06F18/214
Abstract: 本发明公开了一种分布式光伏缺失功率实时预测方法、系统、介质及设备，涉及光伏预测技术领域。该方法包括步骤：获取光伏板实时功率数据，并对功率数据利用傅里叶变换进行分解，得到低频平稳序列和高频波动序列；对于低频平稳序列采用静态插值模型来进行数据补齐；对于高频波动序列，进行空间插值和时间插值来进行数据的补齐；结合补齐的低频平稳序列和高频波动序列得到预测的完整的功率数据。本发明考虑光伏缺失功率数据的插值补齐方法和分布式光伏系统的多层级动态汇聚进行功率预测，为高精度的光伏功率预测提供数据支撑。
-
Patent Agency Ranking
公开(公告)号：CN118070977B
公开(公告)日：2024-07-23
申请号：CN202410458016.0
申请日：2024-04-17
Applicant: 山东大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/27 , G06F18/10 , G06F123/02
Abstract: 本发明属于新能源功率预测技术领域，提供了一种考虑空间波动传播的新能源缺失数据估算方法及系统，获取多个分布式新能源站点的光伏功率序列；利用经验模态分解方法提取其中的波动过程和平稳过程；针对波动过程，利用导数动态时间规整方法提取波动对应时间序列，提取站点间的波动速度，对目标站点进行插值估算，基于插值估算结果，采用局部加权回归获取标准的功率序列；针对平稳过程，利用静态插值算法进行插值计算，得到插值后的功率序列；将两个序列进行加和，获得最终结果。本发明能够更为准确地提取波动传递过程，提高插值估算的精度。
-
公开(公告)号：CN118232318A
公开(公告)日：2024-06-21
申请号：CN202410280082.3
申请日：2024-03-12
Applicant: 山东大学
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/0455
Abstract: 本发明属于短期风电功率预测技术领域，为解决目前台风天气下风功率预测偏差较大问题，提供了台风场景下的短期风电功率预测方法、系统、介质及设备。其中，台风场景下的短期风电功率预测方法包括基于台风条件下的风电功率预测误差与台风天气过程的关系，确定台风对风电功率影响的气象因子集合，进而筛选出关键气象因子，得到台风场景下的模型输入特征；基于预定义的风电最大发电能力对风电最大发电能力理论值进行标定，结合预设发电能力预测模型，得到风电最大发电能力预测结果，实时修改预设功率预测模型的上限激活函数，确定出最终的功率预测模型以进行台风场景下的短期风电功率预测结果，有效提高了台风场景下短期风电功率预测的精度。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.062 seconds)
