-
公开(公告)号：CN117277308A
公开(公告)日：2023-12-22
申请号：CN202311329201.1
申请日：2023-10-16
Applicant: 东北电力大学 , 中国电力科学研究院有限公司
IPC: H02J3/00 , G06F30/27 , G06F18/213 , G06F18/23 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06F119/06
Abstract: 本发明基于天气变化自适应的分布式光伏短期功率预测方法，属于光伏功率预测技术领域，基于改进多元宇宙算法优化的卷积神经网络，通过对历史功率样本进行滤波处理，采用K‑Medoids算法对功率序列进行聚类划分得到代表性天气事件气象特征，在基于灰色关联度匹配未来时段的天气事件类型，通过天气过程聚类划分对不同天气场景的分布式光伏功率进行短期预测，得出结论经仿真验证，证明本发明方法有效提升了光伏功率在不同天气事件下的适应性，提升了整体的预测精度。
-
公开(公告)号：CN119918731A
公开(公告)日：2025-05-02
申请号：CN202411984449.6
申请日：2024-12-31
Applicant: 东北电力大学 , 国网吉林省电力有限公司经济技术研究院 , 中国电力科学研究院有限公司
Abstract: 本发明涉及风电功率短期预测技术领域，公开一种风电集群功率日前预测方法，该方法包括：将风电集群的时空关联特性归纳为风电场之间远距离的汇聚效应和近距离的时序因果关系，使用改进的集对分析方法、同时率判别方法和方差判别方法得到汇聚效应邻接矩阵面，使用皮尔森相关系数和格兰杰因果检验得到时序因果邻接矩阵，提出误差评价特性系数公式用于构建误差邻接矩阵，对传统图卷积神经网络进行改良提出基于多通道注意力机制的图神经网络结构。本发明提出一种考虑风电集群汇聚效应和多通道注意力机制融合的图卷积预测方法，其预测稳定性强、预测性能高、预测结果有效、具备较强实用性。
-
公开(公告)号：CN119807835A
公开(公告)日：2025-04-11
申请号：CN202411849692.7
申请日：2024-12-16
Applicant: 东北电力大学 , 中国电力科学研究院有限公司 , 国网江西省电力有限公司电力科学研究院
Abstract: 本发明公开一种计及转折气象过程辨识的光伏集群功率日前预测方法，涉及光伏功率预测技术领域。所述方法包括：利用自适应滤波方法和编码卷积评分方法对发电功率进行天气判别，确定所述目标日的当前天气为突变天气或晴天天气，根据天气情况构建对应的天气预测模型，并基于上述两个模型构建具有气象过程和转折时点双重辨识功能的光伏集群功率日前预测模型，并利用所述光伏集群功率日前预测模型进行光伏集群的发电功率预测。本发明能够通过将天气的转折和突变纳入考虑范围，提高预测精度和可靠性。
-
公开(公告)号：CN118739292A
公开(公告)日：2024-10-01
申请号：CN202410875755.X
申请日：2024-07-02
Applicant: 东北电力大学 , 中国电力科学研究院有限公司 , 国网甘肃省电力公司电力科学研究院
IPC: H02J3/00 , G06F18/214 , G06F18/22 , G06N3/0442 , G06F30/27 , G06Q50/06 , G06N3/0499 , G06N3/084 , G06F119/02
Abstract: 本发明公开了一种短期风电功率预测方法，包括以下步骤：S1:计算选定风电场的待叠加低频序列分量个数N；S2:基于ICEEMDAN对待修正NWP风速序列进行分解，获得若干待修正NWP风速序列分量；S3:将所述若干待修正NWP风速序列分量中的N个低频序列分量进行叠加，获得待修正NWP风速趋势序列；S4:基于加权双重约束值从历史NWP风速趋势序列中筛选出所述待修正NWP风速趋势序列对应的若干历史相似NWP风速趋势序列；基于所述若干历史相似NWP风速趋势序列对所述待修正NWP风速序列进行修正，获得已修正NWP风速序列；S5:基于所述已修正NWP风速序列获得选定风电场的短期预测风电功率。本发明不仅可以提高NWP风速的预测准确度且可以提高风电功率的预测准确度。
-
公开(公告)号：CN117937455A
公开(公告)日：2024-04-26
申请号：CN202410096248.6
申请日：2024-01-24
Applicant: 东北电力大学
IPC: H02J3/00 , H02J3/38 , G06F30/27 , G06Q10/063 , G06Q10/04 , G06Q50/06 , G06N3/04 , G06N3/08 , G06F113/06
Abstract: 本发明一种基于因果正则化极限学习机的风电功率短期预测方法，属于风电功率预测技术领域；包括生成干预样本集、计算神经元之间的平均因果效应、基于平均因果效应构成因果正则化项从而计算最优权重、基于最优权重建立预测模型预测未来风电功率、仿真计算和误差分析等步骤。本发明与现有的考虑或不考虑特征选择方法的预测模型相比，能更好地跟踪未来的功率趋势。基于因果正则化极限学习机的风电功率短期预测方法预测精度高、预测稳定性好，预测结果有效，适用性和实用性强。
-
Patent Agency Ranking
公开(公告)号：CN119419779B
公开(公告)日：2025-05-23
申请号：CN202411559265.5
申请日：2024-11-04
Applicant: 东北电力大学 , 国网吉林省电力有限公司经济技术研究院 , 中国电力科学研究院有限公司
IPC: H02J3/00 , G06F18/213 , G06F18/27 , G06F18/22 , G06F123/02
Abstract: 本发明属于风力发电预测技术领域，以现有长预见期数值天气预报的可用性差作为切入点，提出了计及显著风过程演变规律及电量约束的长预见期风电集群功率预测方法。考虑自相关分析的显著风过程识别方法预测未来的功率趋势；探求基于变分模态分解和多元线性回归模型的电量预测8‑15天电量预测方法；建立电量‑功率‑趋势关系，使用历史相似趋势过程匹配方法，实现功率重构完成预测。本发明提出的方法是一种考虑电量和功率趋势，适用长预见期的预测方法。本模型计算简单、预测性能高、物理意义清晰、预测结果有效、实用性强。
-
公开(公告)号：CN118941112A
公开(公告)日：2024-11-12
申请号：CN202410996097.X
申请日：2024-07-24
Applicant: 东北电力大学 , 中国电力科学研究院有限公司
IPC: G06Q10/0637 , G06Q50/06 , G06N3/0455 , G06N3/084 , H02J3/00
Abstract: 本发明公开了一种基于时空相关性的光伏电站集群功率预测方法，包括以下步骤：对数值天气预报中的气象特征和光伏电站输出功率进行相关性分析，确定影响光伏功率预测的特征变量；定义光伏电站中的每个光伏站点为一个节点，基于所述特征变量和光伏电站输出功率计算每个节点之间的相似性，构建邻接矩阵；将所述邻接矩阵输入优化后的GAT‑Transformer模型，获得光伏电站集群功率预测结果；所述GAT‑Transformer模型包括：GAT模块和Transformer模块。该方法通过时空特征的综合处理、高效模型结构与优化算法的结合，实现了对光伏电站集群功率的高精度、高效预测，同时保持了模型的灵活性、可扩展性和一定的解释性，为光伏能源管理与调度提供有力支持。
-
公开(公告)号：CN117996750A
公开(公告)日：2024-05-07
申请号：CN202410248411.6
申请日：2024-03-05
Applicant: 东北电力大学 , 中国电力科学研究院有限公司 , 国网吉林省电力有限公司白城供电公司 , 国网吉林省电力有限公司吉林供电公司 , 国网吉林省电力有限公司四平供电公司
IPC: H02J3/00 , G06F16/29 , G06Q50/06 , G06F18/213 , G06F18/23 , G06N3/0442 , G06N3/08
Abstract: 基于双输入模式下NWP风速校正的风电功率预测方法，属于风电技术领域。本发明提出的基于双输入模式和波动聚类的NWP风速校正方法能降低模型捕捉映射关系的难度，集中于对实测风速建立映射关系，提高NWP风速的校正精度，再将校正后的值应用于短期风电功率预测中，获得更准确的短期风电功率预测结果。本发明公开的方法物理意义清晰、科学合理、实用价值更高、精度更高，适用于风电功率预测，并且预测精度高，预测结果有效，适用性和实用性强。
-
公开(公告)号：CN112668806A
公开(公告)日：2021-04-16
申请号：CN202110058821.0
申请日：2021-01-17
Applicant: 中国南方电网有限责任公司 , 东北电力大学 , 中国电力科学研究院有限公司
IPC: G06Q10/04 , G06Q50/06 , G06K9/62 , G06F30/20 , G06F111/08
Abstract: 本发明的一种基于改进随机森林的光伏功率超短期预测计算方法，其特点是，包括：随机森林模型的初步预测、初步预测结果下午时段的修正、初步预测结果上午时段的修正、仿真计算和误差分析步骤，将光伏功率日周期性分析应用随机森林模型所得到的双时段序列预测中，并且与基础随机森林预测方法对比进行预测，能够反映系统动态特性、跟踪未来功率趋势；改进随机森林超短期预测模型是一种修正预测模型，本模型计算简单、预测性能高、物理意义清晰、预测结果有效、实用性强。
-
公开(公告)号：CN118485177A
公开(公告)日：2024-08-13
申请号：CN202410651942.X
申请日：2024-05-24
Applicant: 东北电力大学 , 吉林农业科技学院 , 国网吉林省电力有限公司经济技术研究院 , 中国电力科学研究院有限公司
IPC: G06Q10/04 , G06Q10/0631 , G06F18/23213 , G06N3/0442 , G06Q50/06
Abstract: 本发明公开了一种考虑多元负荷耦合特性的IES负荷预测方法，首先，利用FP‑Growth算法对多元负荷数据进行分析和挖掘，识别出负荷之间的潜在关联性；通过对各个负荷之间的关联度进行累加计算，确定综合能源系统中多元负荷的预测优先级；其次，基于多元负荷的预测优先级，选择具有最高优先级的负荷进行负荷相似波动集划分；进一步地，通过k‑means聚类算法划分相似负荷场景集。最后，针对每个负荷场景集，采取逐级预测的策略，使用双向长短期记忆神经网络进行场景集预测建模，进行多元负荷数据预测。通过算例结果表明：使用本发明方法具有较高的预测精度，能够有效处理负荷的剧烈波动，从而满足系统安全稳定的运行要求。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.023 seconds)
