-
公开(公告)号：CN116742613A
公开(公告)日：2023-09-12
申请号：CN202310695896.9
申请日：2023-06-13
Applicant: 东北电力大学
IPC: H02J3/00 , G06N3/086 , G06N3/045 , G06N3/0442 , G06F18/214 , G06F18/2113
Abstract: 本发明公开了基于多相关日数值天气预报关联特性的风电功率预测方法，基于灰色关联分析法筛选出待预测日的历史多相关日。依据多相关日风电出力场景关联程度，构建反映待预测日出力变化规律的原始多相关日风电功率预测场景集，建立基于SSA‑BiLSTM‑Attention框架的风电功率短期预测模型，采用麻雀算法实现BiLSTM超参数全局最优解寻优，提高模型的泛化能力，自适应调节输入信息向量权重值，加深双向时序特征的潜在变化规律学习，降低风资源时序不确定性对风电出力的不利影响，实现短期风电功率准确预测；本发明还解决了统计模型训练过程中建模样本间低相关性导致模型建立稀疏性映射关系的问题。
-
公开(公告)号：CN115275999B
公开(公告)日：2024-07-05
申请号：CN202210951120.4
申请日：2022-08-09
Applicant: 东北电力大学
IPC: H02J3/00 , H02J7/00 , H02J7/04 , G06Q10/047 , G06F30/27 , G06N3/006 , G06F17/16 , G06Q50/06 , B60L53/00 , B60L53/60 , B60L53/63 , B60L53/64 , G06F111/06
Abstract: 本发明公开了计及电动汽车时变道路阻抗的配电网优化调度方法，具体按照以下步骤实施：建立计及时变道路阻抗的电动汽车出行路径选择模型，通过增强型Dijkstra路径搜索算法确定电动汽车出行路径；建立计及时变温度、交通路况因素的电动汽车充电负荷模型，结合电动汽车出行路径确定电动汽车充电功率；建立考虑配网经济运行的多目标优化调度模型，向该模型中输入电动汽车充电功率，采用基于动态学习因子的多目标粒子群算法对考虑配网经济运行的多目标优化调度模型求解含电动汽车充电功率分布；通过本发明配电网优化调度方法能够减小配电网负荷标准差、联络线功率标准差，降低配电网调度运行成本。
-
公开(公告)号：CN115049115A
公开(公告)日：2022-09-13
申请号：CN202210606635.0
申请日：2022-05-31
Applicant: 东北电力大学
Abstract: 本发明公开了计及NWP风速横纵向误差的RDPG风速修正方法，基于加权欧式距离相似度，划分各个NWP风速待修正点差异化最优超前/滞后时序相关区间，反映了横向误差对NWP风速修正的潜在影响；采用区间统计特征代替NWP原始气象特征作为模型输入，并基于SHAP理论实现非一致性时序区间NWP气象特征评估，获取对模型具有正向增益的特征，降低了模型的复杂度；基于RDPG的NWP风速修正模型，降低不同NWP风速波动水平下预测风速的横纵向误差，增强模型的泛化能力和处理非线性数据的能力；解决了传统机器学习算法缺乏自适应能力，导致不同波动水平下NWP风速误差修正能力不足，影响多时间尺度下风电功率预测精度的问题。
-
公开(公告)号：CN119253576A
公开(公告)日：2025-01-03
申请号：CN202411173332.X
申请日：2024-08-26
Applicant: 东北电力大学
IPC: H02J3/00 , G01W1/10 , G06F18/2113 , G06F18/213 , G06N3/042 , G06N3/0442 , G06N3/045 , G06Q50/06 , G06N3/048 , G06F123/02
Abstract: 本发明公开的基于时‑空图卷积神经网络的广域多风电场短期预测方法，具体按以下步骤实施：S1、确定强相关气象特征；S2、确定时‑空图多节点特征集；S3、以多风电场之间历史出力相关性作为时‑空图边特征；S4、引入时‑空图神经网络中信息传播机制，构建聚合历史出力强相关场站数据天气预报和历史出力高维特征的信息传播机制，S5、在时‑空图神经网络训练过程中引入绝对误差损失和交叉熵损失相结合的损失函数，结合门控循环单元层完成多风电场短期预测。本发明的基于时‑空图卷积神经网络的广域多风电场短期预测方法，解决现有技术中存在的风电功率的预测值与实际值存在较大差异的问题。
-
公开(公告)号：CN115275999A
公开(公告)日：2022-11-01
申请号：CN202210951120.4
申请日：2022-08-09
Applicant: 东北电力大学
IPC: H02J3/00 , H02J7/00 , H02J7/04 , G06Q10/04 , G06F30/27 , G06N3/00 , G06F17/16 , G06Q50/06 , B60L53/00 , B60L53/60 , B60L53/63 , B60L53/64 , G06F111/06
Abstract: 本发明公开了计及电动汽车时变道路阻抗的配电网优化调度方法，具体按照以下步骤实施：建立计及时变道路阻抗的电动汽车出行路径选择模型，通过增强型Dijkstra路径搜索算法确定电动汽车出行路径；建立计及时变温度、交通路况因素的电动汽车充电负荷模型，结合电动汽车出行路径确定电动汽车充电功率；建立考虑配网经济运行的多目标优化调度模型，向该模型中输入电动汽车充电功率，采用基于动态学习因子的多目标粒子群算法对考虑配网经济运行的多目标优化调度模型求解含电动汽车充电功率分布；通过本发明配电网优化调度方法能够减小配电网负荷标准差、联络线功率标准差，降低配电网调度运行成本。
-
Patent Agency Ranking
公开(公告)号：CN115049115B
公开(公告)日：2025-04-04
申请号：CN202210606635.0
申请日：2022-05-31
Applicant: 东北电力大学
IPC: G06Q10/04 , H02J3/00 , G06N3/045 , G06N3/092 , G06N3/0442
Abstract: 本发明公开了计及NWP风速横纵向误差的RDPG风速修正方法，基于加权欧式距离相似度，划分各个NWP风速待修正点差异化最优超前/滞后时序相关区间，反映了横向误差对NWP风速修正的潜在影响；采用区间统计特征代替NWP原始气象特征作为模型输入，并基于SHAP理论实现非一致性时序区间NWP气象特征评估，获取对模型具有正向增益的特征，降低了模型的复杂度；基于RDPG的NWP风速修正模型，降低不同NWP风速波动水平下预测风速的横纵向误差，增强模型的泛化能力和处理非线性数据的能力；解决了传统机器学习算法缺乏自适应能力，导致不同波动水平下NWP风速误差修正能力不足，影响多时间尺度下风电功率预测精度的问题。
-
公开(公告)号：CN115144694A
公开(公告)日：2022-10-04
申请号：CN202210748031.X
申请日：2022-06-29
Applicant: 东北电力大学
Abstract: 本发明公开了基于S‑TGCN的有源配电网故障定位方法，引入时‑空注意力机制及时‑空卷积层，从图形结构的时间序列中提取配电网故障时段的全局时‑空特征，提升了模型在高比例分布式电源接入场景下的全局故障特征提取能力，其故障定位精度达到98.76％。通过S‑TGCN的特征汇聚及差异化池化函数，增强了新方法在数据缺失及数据噪声场景下的鲁棒性。
-
公开(公告)号：CN115144694B
公开(公告)日：2025-04-29
申请号：CN202210748031.X
申请日：2022-06-29
Applicant: 东北电力大学
IPC: G01R31/08 , G06F18/20 , G06F18/241 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/084 , G06F123/02
Abstract: 本发明公开了基于S‑TGCN的有源配电网故障定位方法，引入时‑空注意力机制及时‑空卷积层，从图形结构的时间序列中提取配电网故障时段的全局时‑空特征，提升了模型在高比例分布式电源接入场景下的全局故障特征提取能力，其故障定位精度达到98.76％。通过S‑TGCN的特征汇聚及差异化池化函数，增强了新方法在数据缺失及数据噪声场景下的鲁棒性。
-
公开(公告)号：CN119150670A
公开(公告)日：2024-12-17
申请号：CN202411166693.1
申请日：2024-08-23
Applicant: 东北电力大学
IPC: G06F30/27 , G06F18/214 , G06N3/045 , G06N3/0475 , G06N3/098 , G06F113/06
Abstract: 本发明公开的基于改进LSGAN的多风电场小样本联合场景生成方法，具体按以下步骤实施：S1、定义高风速与低风速场景划分标准，并建立LSGAN模型；S2、在LSGAN模型加入焦点损失函数、Dropout层与卷积层，生成改进LSGAN模型；S3、通过改进LSGAN模型对多风电场数据进行联合场景生成。本发明的基于改进LSGAN的多风电场小样本联合场景生成方法，解决现有技术中存在的采用传统方法对低风速与高风速的小样本数据进行生成时，不同类别的小样本数据概率密度函数差异大，存在模式崩溃危险的问题。
-
公开(公告)号：CN115409336A
公开(公告)日：2022-11-29
申请号：CN202210978284.6
申请日：2022-08-16
Applicant: 东北电力大学
Abstract: 本发明公开了高比例光伏场景下含氢‑热联储的配电网扩展规划方法。为有效刻画光伏发电与多元负荷用能不确定性，建立了基于供暖季节划分的双层耦合气象聚类模型，基于各气象簇构建了辐照‑负荷‑温度多网格联合场景生成模型。为解决高比例光伏发电场景下传统光伏出力模型精度不足以及高PV出力场景下电力需求不足导致光伏出力难以消纳问题，构建了精细化分布式光伏系统物理模型链。考虑分布式氢‑热联储多能耦合提高了能源利用效率，并且平衡系统典型场景运行经济性、小概率高负荷场景供电可靠性与高PV出力场景光伏消纳三者间的矛盾冲突，得到配电网扩展规划结果能够很好地解决高比例光伏场景对配电网规划运行带来的经济性、可靠性与环保性问题。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.057 seconds)
