-
公开(公告)号：CN119448209A
公开(公告)日：2025-02-14
申请号：CN202411407576.X
申请日：2024-10-10
Applicant: 东南大学
IPC: H02J3/00 , H02J3/46 , G06Q10/04 , G06Q50/06 , G06F18/2113 , G06F18/213 , G06N3/0455 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于多元特征时频同步分析和注意力机制的光伏出力预测方法，包括如下步骤：获取目标光伏站出力数据和气象数据，采用分时段MIC相关性分析法提取出力最相关天气特征；采用MVMD多元变分模态分解对出力时序结合相关气象特征进行时频同步分析，得到频率对齐的多元本征模态；构建基于Huber损失函数和改进注意力机制的Informer网络模型；根据相应出力IMF模态分量及其相关气象模态分量，对Informer网络模型进行训练和预测，获取到不同出力IMF模态分量预测结果；将不同出力IMF模态分量预测结果进行叠加得到光伏出力预测结果。本发明将MVMD与Informer网络模型相结合，可提高光伏出力预测的准确性。
-
公开(公告)号：CN118380998A
公开(公告)日：2024-07-23
申请号：CN202410426988.1
申请日：2024-04-10
Applicant: 东南大学
Abstract: 本发明公开了一种储能容量配置方法，涉及储能配置优化技术领域，基于电网的电压稳定性，初步得到无功功率与电压Q‑V曲线；针对初步得到的无功功率与电压Q‑V曲线，利用连续潮流法求解出完整的无功功率与电压Q‑V曲线；根据完整的无功功率与电压Q‑V曲线，确定储能的最佳连接位置；根据储能的最佳连接位置构建储能容量配置模型，从而确定储能容量。考虑了系统不同负载母线的电压稳定性，将问题转化为使用连续潮流求解求取Q‑V曲线确定母线无功功率裕量从而确定储能连接位置。同时建立了考虑系统频率偏差最小以及经济性最优的储能容量配置模型。
-
公开(公告)号：CN119382073A
公开(公告)日：2025-01-28
申请号：CN202411338459.2
申请日：2024-09-25
Applicant: 东南大学
IPC: H02J3/00 , G06F18/20 , G06F18/213 , G06F18/24 , G06F18/22 , G06N3/0464 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于ANVD分解和典型用户特征DTW匹配的电车充电站负荷预测方法，包括：采用ANVD自适应非负变分分解对电车充电站负荷时序进行分解，获取到充电负荷IMF；根据电车充电站负荷时序，构建电车用户典型充电特征；将每个充电负荷IMF与构建的典型充电特征进行基于DTW动态时间规划的分类匹配，获取到不同类别的特征时序；基于TCN时域卷积网络构建充电负荷预测模型，并且针对不同类别的特征时序对充电负荷预测模型进行训练和预测；将所有类别特征时序对应的预测结果叠加得到电车充电站负荷预测结果。本发明中将ANVD分解和基于DTW动态时间规划的分类匹配同时应用到电车充电站负荷预测中，有效提升了电车充电站负荷预测模型的准确性。
-
公开(公告)号：CN119377878A
公开(公告)日：2025-01-28
申请号：CN202411338464.3
申请日：2024-09-25
Applicant: 东南大学
IPC: G06F18/25 , H02J3/00 , G06F18/2113 , G06F18/27 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06N3/0985 , G06F123/02
Abstract: 本发明公开了一种基于多元气象特征指数和组合优化模型的用电负荷预测方法，包括：采用SHAP特征选择法对气象特征进行动态选择；计算得到气象特征指标，并且划分为训练集和测试集；构建BP神经网络回归模型和CNN‑GRU网络时序模型；采用贝叶斯优化算法分别对BP神经网络回归模型和CNN‑GRU网络时序模型进行参数寻优；通过训练集和测试集分别对BP神经网络回归模型进行训练和预测，获取到预测结果；通过训练集和测试集分别对CNN‑GRU网络时序模型进行训练和预测，获取到预测结果；将BP神经网络回归模型和CNN‑GRU网络时序模型的预测结果进行加权求和得到最终的用电负荷预测结果。本发明方法能够提高负荷预测的整体精度，鲁棒性高，能为电网精确规划调度提供数据支撑。
-
-
-
Search Results
4
records
(took 0.017 seconds)
