-
公开(公告)号：CN111461463B
公开(公告)日：2023-11-24
申请号：CN202010369892.8
申请日：2020-04-30
Applicant: 南京工程学院
IPC: G06Q10/04 , G06N3/0499 , G06N3/0464 , G06N3/084 , G06Q50/06
Abstract: 本发明公开了一种基于TCN‑BP的短期负荷预测方法、系统及设备，包括如下步骤：采集负荷数据及主要气象因素数据；对数据进行预处理和灰色关联度分析；将气象因素数据分为时序性和非时序性数据，对历史时序性数据进行TCN降维处理；以降维处理后的数据和非时序性数据为输入，负荷数据为输出，代入BP神经网络进行训练直到网络收敛；利用训练完成的反传网络完成负荷预测，输出负荷预测数据。本发明基于传统的BP神经网络，融合TCN时间卷积神经网络对短期负荷进行预测，可以克服传统BP神经网络基于梯度训练的缺点，同时能够有效提高收敛速度，可有效提高短期负荷预测的精度。
-
-
公开(公告)号：CN116247701A
公开(公告)日：2023-06-09
申请号：CN202310228144.1
申请日：2023-03-09
Applicant: 南京工程学院
IPC: H02J3/28 , H02J3/30 , H02J3/32 , H02J3/00 , H02J15/00 , G06Q10/067 , G06Q10/0631 , G06Q50/06 , G06F18/2321 , G06N3/006
Abstract: 本发明公开了一种基于需量管理的混合储能配置方法，包括如下步骤：筛选最具需量节费潜力的大用户典型负荷作为储能配置对象；在两部制分时电价的背景下，建立基于SSA算法的双层调度模型，外层以储能设备全寿命周期内最大净收益为目标,得到了储能额定容量、充放电功率,内层以日调度周期内最大收益为目标,得到各时间段的充放电量；使用负荷分解方法将大负荷数据分解成高、低频分量；将高、低频分量划分为尖峰、基准负荷；选用飞轮储能与铅碳电池对尖峰、基准负荷进行储能配置；分析比较基于尖峰负荷划分的配置与直接高、低频分量配置以及单一储能配置后的净收益、额定容量、负荷削峰情况。本发明可以优化负荷特性、提高系统的经济效益。
-
公开(公告)号：CN116054316A
公开(公告)日：2023-05-02
申请号：CN202211520849.2
申请日：2022-11-29
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于混沌麻雀优化算法的电动汽车有序充放电方法，对私家车、出租车、公交车三种车型在无序充电模式下的充电负荷进行建模；利用蒙特卡洛方法对电动私家车的出行时空分布进行模拟，得到可调度时段数据；建立多目标函数。并判断EV是否满足参与后续有序充放电优化的条件，得到各项指标的预测结果，做出是否响应V2G的决策；进行仿真实验，验证了本发明方法的有效性和合理性。本发明不仅保障了用户侧的电量需求以及放电经济收益，还兼顾了电网侧减小峰谷差以及负荷方差的需求，具有有效性。本发明所提方法以个体EV的某次响应时段为研究对象，所需数据均可由设备端识别或用户端提供，具备可行性与普遍适用性，更加贴合实际。
-
公开(公告)号：CN115718968A
公开(公告)日：2023-02-28
申请号：CN202110974400.2
申请日：2021-08-24
Applicant: 南京工程学院
IPC: G06F30/18 , G06F30/27 , G06N3/006 , G06N20/10 , G06F111/02 , G06F113/04
Abstract: 本发明公开了一种基于萤火虫算法优化的SVM的配电网拓扑辨识，本专利采用利用SCADA采集不同拓扑结构下多种负荷水平的断面电压幅值量测数据和相应的拓扑标签，组成训练数据集。再对训练数据集进行归一化处理，之后用GSO同时进行特征选择和SVM参数的优化，筛选出对配电网拓扑辨识最有效的部分节点电压幅值量测，这些节点电压幅值量测构成最优特征子集，优化后的SVM参数进行构建最优拓扑辨识模型，具有辨识度效率高且精准的特点本发明的有益效果：具有辨识度效率高且精准的特点。
-
Patent Agency Ranking
公开(公告)号：CN115618982A
公开(公告)日：2023-01-17
申请号：CN202110734031.X
申请日：2021-06-30
Applicant: 南京工程学院
IPC: G06Q10/04 , G06Q50/06 , G06F18/23213 , G06F30/27 , G06F111/04 , G06F111/06
Abstract: 本发明提供了一种基于Pareto最优的光伏发电超短期功率区间预测方法，包括以下步骤：步骤S01：对多目标优化问题进行描述；步骤S02：使用光伏发电区间预测帕累托最优优化准则；步骤S03：计算基于余弦的非线性相关性度量；步骤S04：运用K‑Means分类；步骤S05：运用多目标遗传算法建立基于NSGA‑II的光伏发电功率概率区间预测模型。本发明提供的方法以光伏发电超短期发电功率为研究对象，提出了一种基于ELM的光伏发电输出功率的区间预测多目标优化模型。用改进的非支配排序多目标遗传算法(Non‑dominated Sorting Genetic Algorithm II(NSGA‑II))以平均区间宽度最小与置信概率最高为目标函数对ELM网络参数进行优化，得到一组给定置信概率下的帕累托最优预测区间。相比于传统多目标转化成单目标方法有更好的实用性。
-
公开(公告)号：CN115579885A
公开(公告)日：2023-01-06
申请号：CN202211429069.7
申请日：2022-11-15
Applicant: 南京工程学院
IPC: H02J3/00 , G06F16/901 , G06F16/903
Abstract: 本发明公开了一种电网拓扑分析方法及装置，属于电网拓扑分析领域。方法包括读取电网物理模型信息，根据电网物理模型信息，将物理节点按照相邻开关元件的个数从多到少的排序进行节点优化编号；根据与开关相邻的物理节点的优化编号结果，生成邻接矩阵，根据邻接矩阵的上三角一级连通信息建立抽象描述节点间邻接关系的数组；根据所述数组，采用改进的广度优先搜索法对各物理节点进行母线拓扑分析；按照拓扑节点的出线数目从多至少的排序对母线拓扑分析得到的结果进行节点优化编号，完成拓扑岛分析。在大规模电网的背景下，本发明可以有效减少遍历过程中对相同元素的重复搜索，降低计算量，提高拓扑分析的效率。
-
公开(公告)号：CN115545255A
公开(公告)日：2022-12-30
申请号：CN202110734021.6
申请日：2021-06-30
Applicant: 南京工程学院
Abstract: 本发明属于光伏发电领域，涉及一种基于Bootstrap的光伏发电输出功率超短期概率预测方法。本发明提供了一种基于Bootstrap的光伏发电输出功率超短期概率预测方法，包括以下步骤：步骤S01：使用Bootstrap方法对光伏发电输出功率进行预测；步骤S02：计算模型偏差不确定性的量化方差；步骤S03：计算数据噪声不确定性量化方差。本发明提供的方法从ELM回归方法本身的不确定性与数据噪声不确定性角度出发，分别以方差的形式对数据噪声与回归模型的模型偏差给预测结果带来的不确定性进行量化，通过Bootstrap方法对光伏发电输出功率进行预测，统计ELM回归的模型不确定性量化方差，然后对数据噪声的不确定性进行量化，解决了传统神经网络Bootstrap技术无法应用到基于ELM的Bootstrap方法的问题。
-
公开(公告)号：CN114611741A
公开(公告)日：2022-06-10
申请号：CN202011442482.8
申请日：2020-12-08
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于PIO‑LSSVM的短期负荷预测方法，涉及PIO‑LSSVM负荷预测领域，其技术方案要点是：LSSVM模型对电力需求总量变化趋势进行预测，并引人基于PIO算法的参数优化技术来提高LSSVM预测短期负荷量的精度和收敛速度，LSSVM最小二乘支持向量机将最小二乘线性系统引入支持向量机，最小二乘支持向量机的优化指数采用平方项，采用等式约束用于替换标准支持向量机方法中的不等式约束，并把标准支持向量机中解的二次规划问题简化成求解线性方程问题，利用海量外部因素数据，该模型以负荷数据和气象、经济信息为输入因子，引入鸽群优化算法优化模型参数，通过仿真验证了改进预测模型的准确性和有效性。
-
公开(公告)号：CN114611739A
公开(公告)日：2022-06-10
申请号：CN202011441319.X
申请日：2020-12-08
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于CMI的低冗余短期负荷预测模型，涉及CMI负荷预测领域，其技术方案要点是：采用CMI对原始特征集合中待选特征进行特征排序，然后，采用GRNN作为预测器，序列前向搜索方法确定最优特征子集，最后，根据所得最优特征子集重新训练GRNN得到最优预测模型，挑选冗余性低的用户特征集，降低预测模型复杂度。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.034 seconds)
