-
公开(公告)号：CN116404647B
公开(公告)日：2023-08-29
申请号：CN202310677314.4
申请日：2023-06-09
Applicant: 山东大学 , 中国电力科学研究院有限公司
IPC: H02J3/00 , G06Q10/04 , G06F18/232 , G06Q50/06
Abstract: 本发明属于光伏预测技术领域，具体涉及一种计及动态汇聚特性的分布式光伏短期功率预测方法及系统，包括：考虑动态时间规整的序列插值，调节分布式光伏的功率序列，得到分布式光伏插值后的功率规范曲线；考虑基波占比的无监督聚类，将所得到的功率规范曲线进行分布式光伏站点的动态集群划分，构建分布式光伏的动态汇聚模型；根据所构建的动态汇聚模型得到分布式光伏的聚类结果，根据所得到的聚类结果，将聚类后的气象输入到预设的长短期记忆网络功率预测模型，预测分布式光伏的功率。
-
公开(公告)号：CN116029465A
公开(公告)日：2023-04-28
申请号：CN202310314712.X
申请日：2023-03-29
Applicant: 山东大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0475 , G06N3/0442 , G06N3/094
Abstract: 本发明属于风电功率预测技术领域，为了解决现有预测算法在小样本条件下难以训练以及极端预测偏差大的问题，提供了一种转折性天气日前风电功率预测方法、装置、介质及设备。其中，转折性天气日前风电功率预测方法包括获取设定时间段内的天气信息，并确定出相应气象场景及其对应的转折性天气功率预测模型；从所述天气信息中，提取与所述气象场景相匹配的气象敏感特征；利用预先训练的转折性天气功率预测模型对提取的所述气象敏感特征进行处理，得到日前风电功率预测结果。其有效降低了极端预测偏差，提高了考虑转折性天气的日前风电功率预测精度。
-
公开(公告)号：CN115239029B
公开(公告)日：2023-01-31
申请号：CN202211161172.8
申请日：2022-09-23
Applicant: 山东大学
Abstract: 本发明属于风电功率预测技术领域，其解决了无法直接参照超短期预测将历史若干时刻实测风电功率作为预测模型输入的问题，提供一种考虑功率时序及气象相依特性的风电功率预测方法及系统。其中该方法包括得到预设区域高时空分辨率的网格化数值气象预报结果；基于网格化数值气象预报结果及训练完成的连续条件随机场模型，得到日前风电功率预测结果；连续条件随机场模型包括连续条件随机场的一元势函数模型和二元势函数模型；一元势函数模型用于初步预测出日前风电功率序列；二元势函数模型用于基于特征相似性来调整量化表征的初步预测的日前风电功率序列进行调整，得到最终的日前风电功率预测结果。其能够实现准确的日前风电功率预测。
-
公开(公告)号：CN119362450A
公开(公告)日：2025-01-24
申请号：CN202411907006.7
申请日：2024-12-24
Applicant: 山东大学
IPC: H02J3/00 , G06N3/0499 , G06N3/084 , G06N5/04 , G06Q50/06
Abstract: 本公开提供了一种风电功率预测方法及系统，涉及风电功率预测领域，包括：收集各历史时刻的气象预报数据与实测风电功率数据，构建历史数据集；利用BP神经网络，学习历史数据集中各气象因子与风电功率之间的关系，得到功率预测模型，对风电功率进行初步预测；基于历史数据集，利用Seq2Seq‑AM算法，建立误差推断模型，对初步预测结果进行预测误差的推理；利用自编码器算法，建立误差修正判别模型，判别是否使用预测误差对初步预测结果进行修正，进而得到分布式风电场站的最终风电功率。本发明基于Seq2Seq‑AM与自编码器，进行预测误差的推断及是否采用预测误差进行修正的判别，从而实现对目标场站风电功率的准确预测。
-
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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN117060444A
公开(公告)日：2023-11-14
申请号：CN202311042028.7
申请日：2023-08-18
Applicant: 山东大学
IPC: H02J3/26 , G06F18/2411 , G06F18/2433 , G06N3/0464 , G06N3/0442 , G01R31/08
Abstract: 本发明属于配电网技术领域，提供了一种三相不平衡配电网鲁棒状态估计方法、系统、介质及设备，包括：获取三相不平衡配电网的量测数据；判断所获取的量测数据是否存在异常；当量测数据存在异常时，根据所获取的量测数据和预测模型，得到三相不平衡配电网的预测状态量；当量测数据不存在异常时，根据所获取的量测数据和滤波模型，得到三相不平衡配电网的滤波结果；根据所得到的三相不平衡配电网的预测状态量和滤波结果，得到三相不平衡配电网的状态估计结果，完成三相不平衡配电网的精确鲁棒状态估计。
-
公开(公告)号：CN116896112A
公开(公告)日：2023-10-17
申请号：CN202310865323.6
申请日：2023-07-14
Applicant: 山东大学
Abstract: 本发明提出了主动配电网分布式电源协同优化运行方法及系统，属于分布式电源协同优化运行技术领域，用于解决目前分布式电源优化运行的问题，包括：构建主动配电网“源‑储”协调运行优化模型；基于多智能体深度强化学习对所述模型求解，将所述模型中的主动配电网分区多智能体协同过程描述为马尔可夫博弈，并构建区域智能体；基于构建的区域智能体采用多智能体双延迟深层确定性策略梯度算法进行集中训练并实现分布式部署。在分布部署时，多智能体通过区域内自治、区域间协同来促进主动配电网内多类型分布式电源与分布式储能的协调互济，改善高比例分布式电源接入的问题，有效消纳可再生能源。
-
公开(公告)号：CN116629461A
公开(公告)日：2023-08-22
申请号：CN202310911746.7
申请日：2023-07-25
Applicant: 山东大学
Abstract: 本发明公开一种主动配电网分布式优化方法、系统、设备及存储介质，涉及预测为目的的数据处理技术领域，包括：确定智能体动作量控制策略；构建全局优势函数并分解为单智能体优势函数，以最小化单智能体优势函数为目标，构建用于更新智能体动作量控制策略的目标函数；根据训练样本集在设定的约束条件下对目标函数进行训练；以最小化弃风弃光惩罚成本、网络损耗成本和实际储能电量与计划储能电量的电量偏差惩罚成本为分布式优化目标，根据实时状态量和分布式优化目标，采用训练后的目标函数，得到智能体动作量控制策略。在保留储能日前优化中追求的削峰填谷和提供可调节裕度作用的同时，发挥储能应对实时功率波动的快速调节能力。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.02 seconds)
