-
公开(公告)号：CN112330487B
公开(公告)日：2022-10-04
申请号：CN202011206980.2
申请日：2020-11-03
申请人： 河北工业大学
摘要： 本发明为一种光伏发电短期功率预测方法，该方法包括以下内容：获取光伏电站包括各种气象信息影响因素的历史数据，并应用互信息提取出互信息值大于0.7所对应的主要影响因素，以所提取的主要影响因素构成训练和测试数据样本；建立Elman神经网络，并对网络参数进行初始化，以样本作为神经网络的输入，神经网络的输入向量维度与所提取的主要影响因素的数量一致；利用改进的杂交粒子群‑禁忌搜索混合算法优化神经网络的网络结构单元的连接权值，将互信息提取的主要影响因素输入优化后的Elman神经网络进行最后的预测，得到光伏发电功率。该方法有效的解决易早熟问题，避免了局部收敛和粒子搜索能力的下降，防止陷入局部最优，整体实现了光伏预测的准确性。
-
公开(公告)号：CN112329339B
公开(公告)日：2022-07-19
申请号：CN202011162929.6
申请日：2020-10-27
申请人： 河北工业大学
IPC分类号： G06F30/27 , G06Q10/04 , G06Q50/06 , G06N3/04 , G01P5/00 , G06F111/08 , G06F113/08
摘要： 本发明公开一种风电场短期风速预测方法，该预测方法对风速分解后的风速分量进行重新组合，得到两个风速分量，降低了多个风速分量预测误差累积造成的整体预测误差过大，并且将影响风速预测效果的风速随机波动提取出来，提高另一风速分量的预测精度。此外，应用人工鱼群算法优化RBF神经网络提高了神经网络的预测精度和计算效率。对于影响风速预测的随机波动，建立了风速波动量对趋势量的相依概率模型，使风速随机波动预测更加准确，提高了风速预测精度。
-
公开(公告)号：CN110210170B
公开(公告)日：2022-10-18
申请号：CN201910529855.6
申请日：2019-06-19
申请人： 河北工业大学
IPC分类号： G06F30/20
摘要： 本发明为一种大规模风电机群等值小信号模型建模方法，该方法首先按集电线路来对大规模风电场进行划分，详细测量第A条集电线路的风速、接入线路阻抗数据，并对其进行聚类分组，依据各条集电线路的风速历史数据来建立相关性模型，并依据集电线路之间的相关性系数及第A条线路的实际数据、及聚类情况，来得到各条集电线路的等效聚类情况，再整合得到大规模山地型风电机群的分组，再依据风机所处运行区域的不同构建风速、阻抗的不同进行区别等值，并根据分组不同构建不同分组下的等值小信号模型，最后再整合为整体的等值小信号模型。该方法分析结果更加精准且全面，从而可更好的保证电网的安全稳定运行。
-
公开(公告)号：CN112446545B
公开(公告)日：2022-02-08
申请号：CN202011385316.9
申请日：2020-12-01
申请人： 河北工业大学
摘要： 本发明公开了一种基于叠加马尔科夫链的负荷预测方法。该方法首先将获取的负荷历史数据按照不同日期同一时刻进行分组并转换为状态变量；然后根据不同步长、天气、季节与日期类型计算相应的状态转移矩阵；之后根据初始状态及转移矩阵按顺序计算下一时刻点的模拟值；最后加入误差补偿，得到最终的负荷预测值。本发明负荷预测方法区别于一般的马尔科夫链方法，克服了传统方法统一划分状态区间的缺陷，本发明负荷预测方法对状态转移矩阵进行分类，并且采用叠加马尔科夫链进行预测，改善了以往方法精度不高的缺点，使负荷预测结果更加准确。
-
公开(公告)号：CN112330487A
公开(公告)日：2021-02-05
申请号：CN202011206980.2
申请日：2020-11-03
申请人： 河北工业大学
摘要： 本发明为一种光伏发电短期功率预测方法，该方法包括以下内容：获取光伏电站包括各种气象信息影响因素的历史数据，并应用互信息提取出互信息值大于0.7所对应的主要影响因素，以所提取的主要影响因素构成训练和测试数据样本；建立Elman神经网络，并对网络参数进行初始化，以样本作为神经网络的输入，神经网络的输入向量维度与所提取的主要影响因素的数量一致；利用改进的杂交粒子群‑禁忌搜索混合算法优化神经网络的网络结构单元的连接权值，将互信息提取的主要影响因素输入优化后的Elman神经网络进行最后的预测，得到光伏发电功率。该方法有效的解决易早熟问题，避免了局部收敛和粒子搜索能力的下降，防止陷入局部最优，整体实现了光伏预测的准确性。
-
公开(公告)号：CN112329339A
公开(公告)日：2021-02-05
申请号：CN202011162929.6
申请日：2020-10-27
申请人： 河北工业大学
IPC分类号： G06F30/27 , G06Q10/04 , G06Q50/06 , G06N3/04 , G01P5/00 , G06F111/08 , G06F113/08
摘要： 本发明公开一种风电场短期风速预测方法，该预测方法对风速分解后的风速分量进行重新组合，得到两个风速分量，降低了多个风速分量预测误差累积造成的整体预测误差过大，并且将影响风速预测效果的风速随机波动提取出来，提高另一风速分量的预测精度。此外，应用人工鱼群算法优化RBF神经网络提高了神经网络的预测精度和计算效率。对于影响风速预测的随机波动，建立了风速波动量对趋势量的相依概率模型，使风速随机波动预测更加准确，提高了风速预测精度。
-
公开(公告)号：CN110210170A
公开(公告)日：2019-09-06
申请号：CN201910529855.6
申请日：2019-06-19
申请人： 河北工业大学
IPC分类号： G06F17/50
摘要： 本发明为一种大规模风电机群等值小信号模型建模方法，该方法首先按集电线路来对大规模风电场进行划分，详细测量第A条集电线路的风速、接入线路阻抗数据，并对其进行聚类分组，依据各条集电线路的风速历史数据来建立相关性模型，并依据集电线路之间的相关性系数及第A条线路的实际数据、及聚类情况，来得到各条集电线路的等效聚类情况，再整合得到大规模山地型风电机群的分组，再依据风机所处运行区域的不同构建风速、阻抗的不同进行区别等值，并根据分组不同构建不同分组下的等值小信号模型，最后再整合为整体的等值小信号模型。该方法分析结果更加精准且全面，从而可更好的保证电网的安全稳定运行。
-
公开(公告)号：CN112446545A
公开(公告)日：2021-03-05
申请号：CN202011385316.9
申请日：2020-12-01
申请人： 河北工业大学
摘要： 本发明公开了一种基于叠加马尔科夫链的负荷预测方法。该方法首先将获取的负荷历史数据按照不同日期同一时刻进行分组并转换为状态变量；然后根据不同步长、天气、季节与日期类型计算相应的状态转移矩阵；之后根据初始状态及转移矩阵按顺序计算下一时刻点的模拟值；最后加入误差补偿，得到最终的负荷预测值。本发明负荷预测方法区别于一般的马尔科夫链方法，克服了传统方法统一划分状态区间的缺陷，本发明负荷预测方法对状态转移矩阵进行分类，并且采用叠加马尔科夫链进行预测，改善了以往方法精度不高的缺点，使负荷预测结果更加准确。
-
公开(公告)号：CN110048428B
公开(公告)日：2020-06-30
申请号：CN201910444918.8
申请日：2019-05-27
申请人： 河北工业大学
IPC分类号： H02J3/06
摘要： 本发明为基于概率守恒原理的电力系统概率潮流计算方法，该方法包括：获取含有新能源的电力系统网络的各项数据；对常规发电机出力、新能源出力和负荷功率历史数据进行统计分析，并生成电力系统所有节点注入功率的概率模型；建立电力系统潮流计算方程的线性化模型；按照线性化方程的关系，基于概率论中的概率守恒原理的原理建立不同随机变量的概率密度函数之间的关系式；利用δ函数的定义和性质，对不同随机变量概率密度函数之间的关系式进行处理生成电力系统内节点电压、支路潮流和支路有功损耗的概率密度函数。该方法能够得到准确的概率潮流计算的结果，合理反映了系统内节点电压、支路潮流和支路有功损耗的概率特性，且计算效率高。
-
公开(公告)号：CN110048428A
公开(公告)日：2019-07-23
申请号：CN201910444918.8
申请日：2019-05-27
申请人： 河北工业大学
IPC分类号： H02J3/06
摘要： 本发明为基于概率守恒原理的电力系统概率潮流计算方法，该方法包括：获取含有新能源的电力系统网络的各项数据；对常规发电机出力、新能源出力和负荷功率历史数据进行统计分析，并生成电力系统所有节点注入功率的概率模型；建立电力系统潮流计算方程的线性化模型；按照线性化方程的关系，基于概率论中的概率守恒原理的原理建立不同随机变量的概率密度函数之间的关系式；利用δ函数的定义和性质，对不同随机变量概率密度函数之间的关系式进行处理生成电力系统内节点电压、支路潮流和支路有功损耗的概率密度函数。该方法能够得到准确的概率潮流计算的结果，合理反映了系统内节点电压、支路潮流和支路有功损耗的概率特性，且计算效率高。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.021 秒)
