-
公开(公告)号：CN105320995A
公开(公告)日：2016-02-10
申请号：CN201510481680.8
申请日：2015-08-07
Applicant: 上海交通大学 , 国网吉林省电力有限公司延边供电公司 , 国家电网公司
CPC classification number: Y04S10/60
Abstract: 本发明公开了一种基于频域分解的风力发电短期负荷预测方法及装置，本发明方法包括以下几个步骤：（1）原始数据的预处理，去掉错误数据；(2)根据频域分解算法，对预处理过的数据进行频域分解，得到日周期部分、周周期部分、月周期部分、低频部分和高频部分；(3)采用LWT-LSSVM的预测方法对日周期部分进行预测；(4)周周期和月周期部分无须预测；(5)运用线性分析方法对低频部分进行预测；(6)采用LWT-LSSVM的预测方法对高频分量进行预测；(7)将各部分的预测结果叠加作为最终的预测结果。本发明的方法在进行风力发电短期负荷预测时，能够找出风电负荷的潜在规律，预测精度较好，计算速度较快。
-
公开(公告)号：CN103457273A
公开(公告)日：2013-12-18
申请号：CN201310374554.3
申请日：2013-08-23
Applicant: 上海交通大学 , 国家电网公司 , 吉林省电力有限公司延边供电公司
CPC classification number: Y02E40/16
Abstract: 本发明提供了一种静止同步补偿器，其包括一PAM单元与一PWM单元，所述PAM单元由四个H桥级联形成的，所述PAM单元采用基频优化PAM方法使输出阶梯波逼近正弦波，所述PWM单元包括一与所述PAM单元串联的H桥，PWM单元采用跟踪型PWM控制技术对输出无功电流瞬时值进行反馈控制；同时提供了一用于对该静止同步补偿器的等效电路模型的时变参数进行修正的控制器。本发明采用PAM+PWM进行调制提高了装置输出电流的质量；同时考虑开关器件和直流侧电容的影响，建立了更为准确的数学模型。
-
公开(公告)号：CN106485395A
公开(公告)日：2017-03-08
申请号：CN201610778692.1
申请日：2016-08-30
Applicant: 上海交通大学 , 国家电网公司 , 国网吉林省电力有限公司延边供电公司
Abstract: 本发明提出一种考虑配电网网损和扩容成本的分布式电源配置方法。其基于配电网潮流分析，在各节点负荷功率增长时，计及了有功潮流和无功潮流增长对各支路网损和扩容成本的影响。再按电流比例将网损和扩容成本分摊给各负荷节点，从而得到各节点新增负荷的成本。以此为量化指标来配置分布式电源，分别在不同负荷节点接入不同功率分布式电源后，搜索各负荷节点网损和扩容成本下降值与接入分布式电源成本之比的最大值，则在最大值所对应的负荷节点配置相应功率的分布式电源。通过上述方法来配置电源，来实现配置的经济合理化。
-
公开(公告)号：CN104218604A
公开(公告)日：2014-12-17
申请号：CN201410407535.0
申请日：2014-08-19
Applicant: 上海交通大学 , 国网吉林省电力有限公司延边供电公司 , 国家电网公司
IPC: H02J3/38
CPC classification number: Y02E10/563
Abstract: 本发明公开了一种基于网络等值法的配电网可靠性分析方法及系统，该方法包括以下步骤：建立配电网可靠性模型；获取配电网中各元件、各馈线及各负荷点的可靠性参数；利用网络等值法对配电系统中较为复杂的单元进行简化等效；利用FMEA对简化等效后的配电系统的各负荷点建立其故障模式及后果分析表；获得负荷点的可靠性参数，再计算、对比分析整个配电网在并网接入分布式光伏电源前后的可靠性指标。该系统包括：可靠性模型建立单元、可靠性参数获取单元、简化等效单元、故障模式及后果分析单元、分析对比单元。本发明提供的基于网络等值法的配电网可靠性分析方法及系统，原理清晰、模型简单、计算量相对较少、适应性强，易于运用到实际工程中。
-
公开(公告)号：CN104217104A
公开(公告)日：2014-12-17
申请号：CN201410407541.6
申请日：2014-08-19
Applicant: 上海交通大学 , 国网吉林省电力有限公司延边供电公司 , 国家电网公司
IPC: G06F19/00
Abstract: 本发明公开了一种基于风险评估的电力变压器寿命分析方法及系统，该方法包括以下步骤：确定电力变压器的主要故障模式；建立电力变压器的故障树；建立模糊判断矩阵；获得各部件的各故障因素的严重度权重向量；得出电力变压器各部件及整体发生故障的概率及可靠度；建立电力变压器的老化模型；确定电力变压器各个寿命阶段的年限。该系统包括：确定故障模式单元、建立故障树单元、建立矩阵单元、获得权重向量单元、获得可靠度单元、建立老化模型单元以及寿命分析单元。该方法及系统在模糊判断矩阵不一致时，也可以进行变压器的风险评估，提高了实用性；在风险评估的基础上进行寿命分析，提高了寿命分析的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN103488869A
公开(公告)日：2014-01-01
申请号：CN201310371475.7
申请日：2013-08-23
Applicant: 上海交通大学 , 国家电网公司 , 吉林省电力有限公司延边供电公司
CPC classification number: Y04S10/54
Abstract: 本发明公开了一种最小二乘支持向量机的风力发电短期负荷预测方法，包括以下步骤：1、原始数据预处理；2、通过主成分分析的方法对输入至所述最小二乘支持向量机的原始数据序列进行主成分分析，并分析提取出风电负荷的主要影响因子；3、建立最小二乘支持向量机数学模型；4、将分析提取出的主要影响因子输入至最小二乘支持向量机数学模型作为训练样本和测试样本；5、通过最小二乘支持向量机数学模型对测试样本数据进行预测，并获取预测结果。通过主成分分析方法和最小二乘支持向量机数学模型结合，不仅减少了计算量，使可操作性增强，而且提高了整体的预测性能和预测的准确性。
-
公开(公告)号：CN102856917A
公开(公告)日：2013-01-02
申请号：CN201210269539.8
申请日：2012-07-31
Applicant: 上海交通大学 , 吉林省电力有限公司延边供电公司 , 国家电网公司
IPC: H02J3/18
CPC classification number: Y02E40/30
Abstract: 本发明公开一种配电网无功优化方法，包括以下几个步骤：（1）建立风机的数学模型；（2）初始化节点电压；（3）建立无功规划数学模型，转化成多目标优化问题；（4）输入原始数据；（5）形成初始粒子群，初始化粒子速度和位置；（6）潮流计算，得到粒子适应值和当前最优值；（7）用小生境权重飞行时间法修正粒子速度和位置；（8）计算整个种群适应度，得到适应度值，并更新当前最优解pBestid；（9）对个体粒子中越界点的控制变量进行调整，修正越界状态变量；；（10）判断是否满足终止条件，若满足则输出结果，否则返回（6）。
-
公开(公告)号：CN102855385A
公开(公告)日：2013-01-02
申请号：CN201210269721.3
申请日：2012-07-31
Applicant: 上海交通大学 , 吉林省电力有限公司延边供电公司 , 国家电网公司
IPC: G06F19/00
Abstract: 本发明方法公开一种风力发电短期负荷预测方法，包括：S1.原始数据的预处理；S2.建立提升小波变换的数学模型，得到高频数据序列D1、D2和低频数据序列A2；S3.将需要的数据序列归一化；S4.建立最小二乘支持向量机数学模型；S5.将步骤S3中得到的归一化后的A2数据序列、气温、风向角、风速一起输入到步骤S4中建立的LS-SVM数学模型中，作第一次的负荷预测，得到A2的最后1/4的负荷预测；S6.进行第二次预测，并得到这些预测点的相对误差值；S7.对步骤S6中得到的相对误差值进行2层提升小波分解，并用步骤S5中的方法预测A2后半部分的相对误差值；S8.修正步骤S5中得到的原始信号最后1/4数据的预测值。
-
公开(公告)号：CN110570007A
公开(公告)日：2019-12-13
申请号：CN201910522232.6
申请日：2019-06-17
Applicant: 上海交通大学 , 国家电网有限公司 , 国网吉林省电力有限公司延边供电公司
Abstract: 本发明提供了一种电动汽车多时间尺度优化调度方法，包括以下步骤：S1：通过蒙特卡洛随机抽样获取每辆电动汽车的历史记录；S2：根据当日预设时刻前的一个周期内的历史记录，预测电动汽车在下一个周期的风电功率、光伏功率及基本负荷，并采集电动汽车相关的出行信息，制定日前调度计划；S3：结合日前调度计划中的可控发电单元的预计功率曲线、风电功率、光伏功率、基本负荷及电动汽车相关的出行信息，以预设间隔时间进行短期滚动调度优化，制定短期调度计划；S4：使用灰狼优化算法求解考虑日前预测误差的电动汽车的多时间尺度优化调度模型，获得微电网最优运行方案和电动汽车最优充电方案。
-
公开(公告)号：CN111985678A
公开(公告)日：2020-11-24
申请号：CN202010644968.3
申请日：2020-07-06
Applicant: 上海交通大学 , 国网吉林省电力有限公司 , 国网吉林省电力有限公司延边供电公司
Abstract: 本发明提供了一种光伏功率短期预测方法，包括以下步骤：S1：收集本地光伏电站的历史数据作为数据样本，所述历史数据包括：在历史时间段内每一历史日的日期、气象信息，所述气象信息包括：天气类型、气象因素；所述气象因素包括：当天每一时刻的温度值、湿度值、辐射度值、云团量值；从历史日中随机选取一天作为待预测日；S2：判断待预测日的天气所属的天气类型，结合加权灰色关联度在同一种天气类型下的数据样本中选取与待预测日最相似的历史日；S3：以步骤S2中的“最相似的历史日”为背景采用改进蚁狮算法优化最小二乘支持向量机的正则化参数和核参数进行光伏功率的最优化预测。与现有技术相比，本发明能够提高光伏短期预测的精度。
-
-
-
-
-
-
-
-
-
Search Results
295
records
(took 0.113 seconds)
