一种基于动态神经网络预测光伏功率的方法及系统

    公开(公告)号:CN105005825A

    公开(公告)日:2015-10-28

    申请号:CN201510391859.4

    申请日:2015-07-03

    Abstract: 本发明提供一种基于动态神经网络预测光伏功率的方法,包括获取预测日各天气特征参数分别对应所设时间段内各时段上的值;划分天气类型,并基于上述预测日得到的值,通过加权欧氏距离计算识别出预测日的天气类型,且根据识别的天气类型在气象历史数据中构建预测日的相似日样本集;统计相似日样本集总天数并对每一天求解出其与预测日的切比雪夫距离值,并构建满足预定条件的样本子集;将样本子集归一化处理并在一动态神经网络预测模型中训练;训练完成后,导入上述预测日得到的值并反归一化处理,得到预测日在所设时间段内各时段分别对应的光伏功率预测值。实施本发明实施例,能够同时提高预测准确度及预测速度。

    一种基于动态神经网络预测光伏功率的方法及系统

    公开(公告)号:CN105005825B

    公开(公告)日:2018-12-07

    申请号:CN201510391859.4

    申请日:2015-07-03

    Abstract: 本发明提供一种基于动态神经网络预测光伏功率的方法,包括获取预测日各天气特征参数分别对应所设时间段内各时段上的值;划分天气类型,并基于上述预测日得到的值,通过加权欧氏距离计算识别出预测日的天气类型,且根据识别的天气类型在气象历史数据中构建预测日的相似日样本集;统计相似日样本集总天数并对每一天求解出其与预测日的切比雪夫距离值,并构建满足预定条件的样本子集;将样本子集归一化处理并在一动态神经网络预测模型中训练;训练完成后,导入上述预测日得到的值并反归一化处理,得到预测日在所设时间段内各时段分别对应的光伏功率预测值。实施本发明实施例,能够同时提高预测准确度及预测速度。

    基于Givens正交相似变换的低频振荡分析方法

    公开(公告)号:CN113517686A

    公开(公告)日:2021-10-19

    申请号:CN202110488277.3

    申请日:2021-05-06

    Abstract: 本发明公开了一种基于Givens正交相似变换的低频振荡分析方法,包括:读取振荡信号,确定输入信号采样点数以及采样间隔;求解低频振荡Prony算法自回归模型的差分方程系数,根据差分方程系数形成高次方程对应的Hessenberg矩阵,记为矩阵H;通过基于Givens相似变换的二重QR算法求解矩阵H的特征值;根据矩阵H的特征值求解低频振荡各个主模式的衰减因子和频率;根据特征根形成雅克比矩阵,运用最小二乘法求解低频振荡各个主模式的幅值和相角。本发明在分析计算时应用基于Givens正交相似变换的二重QR变换,大大降低了计算量,提高了电力系统低频振荡分析的计算效率。

    一种基于动态无功补偿技术的AVC联调控制方法

    公开(公告)号:CN102427234A

    公开(公告)日:2012-04-25

    申请号:CN201110427864.8

    申请日:2011-12-20

    CPC classification number: Y02E40/34

    Abstract: 本发明是一种基于动态无功补偿技术的AVC联调控制方法,在电网内安装配置动态无功补偿装置(SVC);AVC通过控制系统获取动态无功补偿装置的实时信息;根据AVC联调系统中的动态无功补偿装置参数模型和定值信息,结合电网的电压无功实时信息,进行电压无功优化联调策略计算,实现对动态无功补偿装置及电网内其他固定容量的无功补偿装置的调节。本发明实现了对站内动态无功补偿装置和原有静态无功补偿设备的协调控制。

Patent Agency Ranking