-
公开(公告)号：CN115204461A
公开(公告)日：2022-10-18
申请号：CN202210620030.7
申请日：2022-06-02
Applicant: 国网江苏省电力有限公司淮安供电分公司
Abstract: 本发明涉及光伏发电功率预测技术领域，公开了一种基于集合经验模态分解与ARMA‑Elman混合模型的光伏功率预测方法，包括：步骤1：获取待预测系统的光伏功率数据，并使用集合经验模态分解将数据分解；步骤2：利用过零率对分解后的信号分类；步骤3：将高频信号、低频信号分别输入Elman和ARMA模型进行训练与预测；步骤4：将预测结果进行叠加，输出最终预测结果。与现有技术相比，本发明通过过零率对信号高频、低频分量进行划分，利用Elman和ARMA模型分别对高频与低频信号特征进行预测，在复杂天气情况下，针对非平稳随机波动的功率信号也有着良好的预测结果，显著地提升了光伏功率预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN120012035A
公开(公告)日：2025-05-16
申请号：CN202411800765.3
申请日：2024-12-09
Applicant: 国网江苏省电力有限公司淮安供电分公司
IPC: G06F18/27 , G06F18/2131 , G06F18/214 , G06F18/21
Abstract: 本发明公开了一种基于光伏电站电流信号输出的光伏阵列故障诊断方法，收集电流信号，去噪后采用改进的AVMD算法将去噪后的电流信号分解成多个本征模态函数IMFs；改进的AVMD算法引入了自适应学习率调整，并结合改进的Adam算法对带宽参数和频率参数进行优化更新；构建Lasso回归模型，引入L1正则化，筛选出重要性较高的IMF作为诊断光伏系统故障的信息载体；对所选IMF进行小波变换，分解为不同频带上的低频分量和高频分量，低频分量进行粗粒化处理后进行多尺度离散熵MDE计算，得到时间尺度因子和归一化后的离散熵值的曲线；设定阈值判断光伏系统的健康状况，实现故障诊断。本发明利用改进的AVMD算法将电流信号进行分解及去噪，具有良好的鲁棒性，易于实现。
-
公开(公告)号：CN119558441A
公开(公告)日：2025-03-04
申请号：CN202411384616.3
申请日：2024-09-30
Applicant: 国网江苏省电力有限公司淮安供电分公司
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/06 , H02J3/00 , G06N3/0442 , G06N3/045 , G06N3/0985 , G06F18/2135 , G06F18/243 , G06N20/20
Abstract: 本发明公开一种采用混合元学习方法的并网光伏系统功率预测方法，包括提取气象数据和历史发电数据；对提取的数据使用最近邻插值法间隔插值，并对数据进行预处理；计算考虑灰尘的共面辐照度；生成云量和考虑灰尘的共面辐照度的组合特征；根据不同时间段的发电模式，生成统计特征；将组合特征和统计特征输入到多个模型进行训练，使用主成分分析对特征进行降维；将多个模型预测结果和确定性模型预测结果叠法在一起，并与降维过的数据结合，构成扩展特征向量；使用长短期记忆网络对扩展特征向量进行学习，生成最终的功率预测结果。本发明可以实现对未来24小时以内的所有时段的光伏发电功率进行高精度预测，具有较高的实际应用价值。
-
公开(公告)号：CN115204461B
公开(公告)日：2024-05-07
申请号：CN202210620030.7
申请日：2022-06-02
Applicant: 国网江苏省电力有限公司淮安供电分公司
IPC: G06Q10/04 , G06Q50/06 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明涉及光伏发电功率预测技术领域，公开了一种基于集合经验模态分解与ARMA‑Elman混合模型的光伏功率预测方法，包括：步骤1：获取待预测系统的光伏功率数据，并使用集合经验模态分解将数据分解；步骤2：利用过零率对分解后的信号分类；步骤3：将高频信号、低频信号分别输入Elman和ARMA模型进行训练与预测；步骤4：将预测结果进行叠加，输出最终预测结果。与现有技术相比，本发明通过过零率对信号高频、低频分量进行划分，利用Elman和ARMA模型分别对高频与低频信号特征进行预测，在复杂天气情况下，针对非平稳随机波动的功率信号也有着良好的预测结果，显著地提升了光伏功率预测的准确性。
-
公开(公告)号：CN119557722A
公开(公告)日：2025-03-04
申请号：CN202411402246.1
申请日：2024-10-09
Applicant: 国网江苏省电力有限公司淮安供电分公司
IPC: G06F18/241 , G06N3/0442 , G06N3/08 , G06Q50/06 , H02S50/00
Abstract: 本发明公开了一种基于LSTM‑DAE的光伏阵列故障诊断方法。采集光伏组件的电流、电压信息预处理；根据实测曲线与参考曲线的最大功率差值是否超过故障预警阈值判断是否故障；检测到故障，读取电压电流、电压信息，并训练和测试样本；将样本导入到LSTM‑DAE模型中进行特征提取，其中模型是利用历史光伏阵列故障数据作为样本，在离线状态下构建的LSTM‑DAE模型；将提取的特征数据传到SVM‑LR混合分类器中，通过二项式方法将SVM的输出拟合到LR分类器中进行模型参数性能优化，进行k折交叉验证后，得到最后的故障分类模型。与现有技术相比，本发明能够减少处理标签数据，有效提高故障检测的准确性和效率，在光伏故障分类中的实时监控和故障诊断。
-
公开(公告)号：CN115189415A
公开(公告)日：2022-10-14
申请号：CN202210733027.6
申请日：2022-06-24
Applicant: 国网江苏省电力有限公司淮安供电分公司 , 国网江苏省电力有限公司
Abstract: 本发明公开一种含电动汽车聚合器的主动配电网多目标优化调度方法，基于电动汽车充放电周期历史数据，对各电动汽车充放电时段进行日前预测，建立最小化火电机组发电成本、最小化电动汽车聚合器充电成本目标函数，针对含电动汽车聚合器的主动配电网多目标优化调度问题，构建高维空间中混合0‑1规划的带约束多目标非线性规划模型，提出在多目标优化调度算法中仅对非支配解集个体运用交叉操作，提升所求解多目标优化解集精确性。本发明所求解的最终折衷解在提升新能源出力消纳能力的同时，亦可最大化电动汽车用户V2G收益。
-
-
-
-
-
Search Results
6
records
(took 0.195 seconds)
