-
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：CN118676909A
公开(公告)日：2024-09-20
申请号：CN202410781028.7
申请日：2024-06-18
Applicant: 山东大学
IPC: H02J3/00 , G06F18/10 , G06F18/213 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种自适应模态分解的深度学习电力负荷预测方法、介质及设备，属于负荷预测技术领域，首先采用网格化数值天气预报构建考虑广域气象差异性的特征构建方法，对影响负荷波动的关键气象要素进行深度挖掘；然后利用改进自适应噪声完备集合经验分解方法对电力负荷数据样本进行分解，进而采用样本熵计算各个分量的时序复杂度，基于复杂度相似性对分量进行聚合重构，最后构建深度特征挖掘的CNN‑LSTM时序网络模型，该方法有效表征了负荷波动的波动特性，深度挖掘了影响负荷波动规律的复杂非线性高维特征，突破了电力负荷的强波动性、周期性、随机性等多因素叠加影响导致负荷预测难度大的突出问题。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN115409291A
公开(公告)日：2022-11-29
申请号：CN202211342092.2
申请日：2022-10-31
Applicant: 山东大学
Abstract: 本公开公开的一种风速修正的风电功率预测方法及系统，属于风电预测技术领域，包括：获取风电场的当前时刻真实风速、风电场NWP预测的当前时刻风速和下一时刻风速；根据风电场的当前时刻真实风速和风电场NWP预测的当前时刻风速，获得当前时刻风速预测误差；根据当前时刻风速预测误差、NWP预测的下一时刻风速和风速预测模型，获得下一时刻修正的预测风速，其中，风速预测模型为构建的当前时刻风速预测误差、NWP预测的下一时刻风速、下一时刻风速预测误差的三维Copula模型；根据下一时刻修正的预测风速和训练好的风电功率预测模型，获得风电功率预测结果。实现了对风电功率的准确预测。
-
公开(公告)号：CN119448225A
公开(公告)日：2025-02-14
申请号：CN202411462206.6
申请日：2024-10-18
Applicant: 山东大学
IPC: H02J3/00 , G06F18/2113 , G06F18/213 , G06F18/20 , G06N3/0442 , G06N3/045 , G06N7/01 , G06Q50/06 , G06F123/02
Abstract: 本发明提供了一种考虑多维特征提取的短期电力负荷预测方法及系统，获取区域负荷、区域影响负荷的相关气象的历史数据，划分数据集；提取区域负荷序列中多时间尺度时序特征，包括趋势特征、星期特征和年特征，构建内在特征集；运用最大互信息系数查找历史气象数据中与负荷相关性高于设定值的关键相依气象，构建外在特征集；构建融合自注意力机制的预测模型，以所述内在特征集和外在特征集作为模型的输入，将预测值和实际值进行分析，得到条件概率密度函数，利用最后一部分数据的负荷预测值为条件概率密度函数的输入，计算负荷条件预测误差概率分布，进而确定负荷预测区间。本发明的预测结果精度高。
-
公开(公告)号：CN119051044A
公开(公告)日：2024-11-29
申请号：CN202411523314.X
申请日：2024-10-30
Applicant: 山东大学
IPC: H02J3/06 , H02J3/14 , H02J3/46 , G06Q10/0637 , G06Q50/06
Abstract: 本发明公开了一种考虑日前市场耦合不确定性的容量分配方法及系统，涉及电力市场技术领域。该方法包括获取新能源出力的历史样本数据，利用历史样本数据构造概率分布不确定集并确定安全裕度容量与弃电切负荷风险的关系；根据安全裕度容量与弃电切负荷风险的关系建立安全裕度容量决策模型，对安全裕度容量决策模型进行线性化处理并求解，得到当前区域的剩余可用裕度值；基于新能源出力的不确定性建立区域间容量分配模型，在考虑剩余可用裕度值的情况下，对区域间容量分配模型进行求解，得到最终的容量分配方案。本发明通过将TSO提供的日前市场信息与潮流方程相结合，最终获得更为精确的容量分配策略。
-
公开(公告)号：CN118861660A
公开(公告)日：2024-10-29
申请号：CN202410754217.5
申请日：2024-06-12
Applicant: 山东大学
IPC: G06F18/2135 , G06Q10/04 , G06N3/0464 , G06N3/084 , G06F17/16 , G06F17/18
Abstract: 本发明属于网格化数值天气特征提取领域，提供了网格化数值天气特征降维提取方法及系统。其中，该方法包括得到含高比例新能源电力系统的负荷类型与负荷功率对应关系；根据不同类型负荷所属区域的典型日网格化数值天气实测数据，得到多元气象因子，进而计算与不同负荷类型的负荷功率的相关性，筛选出不同负荷类型相关的气象因子，构建出初始气象因子特征矩阵；利用主成分分析方法对初始气象因子特征矩阵进行降维，得到降维的气象因子特征矩阵；利用预设深度学习模型对降维的气象因子特征矩阵进行迭代学习，以细化网格化气象特征尺度，进一步提取不同负荷类型的隐含特征，得到表征不同类型负荷的网格化特征矩阵，以用于负荷预测。
-
公开(公告)号：CN118676911A
公开(公告)日：2024-09-20
申请号：CN202410791743.9
申请日：2024-06-19
Applicant: 山东大学
IPC: H02J3/00 , G06F18/27 , G06F18/20 , G06F18/21 , G06N7/01 , G06N5/01 , G06N20/20 , G06N3/045 , G06N3/092 , G06N3/084
Abstract: 本发明涉及一种自适应动态组合的负荷概率预测方法及装置，属于电力系统负荷预测技术领域，包括：选择多种概率预测模型作为组合子模型，优化训练各子模型，提升各子模型概率预测精度，用于对电荷概率进行分别预测；针对每一子模型进行贝叶斯模型平均，得到组合后的整体预测结果；对预测结果进行评价；构建基于深度确定性策略梯度算法；构建基于深度确定性策略梯度算法的短期负荷预测模型，用于得到自适应动态预测结果。本发明克服单一预测模型在某些条件下表现不佳的问题，且实现环境与组合权重之间的动态映射，在线感知外界环境变化、自适应更新组合权重，从而增强模型的适应性，有效提升概率预测结果的稳定性和概率预测精度。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.124 seconds)
