-
公开(公告)号：CN110263984A
公开(公告)日：2019-09-20
申请号：CN201910481374.2
申请日：2019-06-04
摘要： 本发明公开了一种基于相空间重构和深度神经网络的超短期净负荷预测方法，首先采用C-C法对净负荷的时间序列进行相空间重构，然后利用深度神经网络对重构后的数据进行拟合并得出负荷的预测值。采用实测数据建模的结果表明，本发明所提出的基于相空间重构和深度神经网络的超短期净负荷预测模型在光伏系统大量接入配电网母线，以及不同天气情况下均有较好的性能，与传统方法相比具有更高的预测精度。
-
公开(公告)号：CN111612244B
公开(公告)日：2022-08-05
申请号：CN202010418956.9
申请日：2020-05-18
摘要： 本发明公开了基于QRA‑LSTM的日前光伏功率非参数概率预测方法，采用光伏历史数据和数值天气预报数据(NSW)训练了一组相互独立的长短期记忆网络(LSTM)确定性预测模型，并通过分位数回归平均算法(QRA)集成各独立LSTM预测模型生成了光伏出力的非参数概率预测模型。非参数概率预测能够描述单纯的确定性预测难以反映的不确定性问题，其结果具有更高的可信度。本发明能够有效避免确定性预测和概率预测分别孤立看待等问题，为调度人员的决策调度提供重要依据，应用价值和前景巨大。
-
公开(公告)号：CN111987729A
公开(公告)日：2020-11-24
申请号：CN202010794809.1
申请日：2020-08-10
摘要： 本发明公开了一种含P2G微网的储电储气容量配置与调度优化方法，根据含P2G单元的微网运行模型构建储电储气配置模型和调度模型，储电储气配置模型采用粒子群优化算法对储电装置和储气装置的额定容量进行配置，调度模型采用差分进化算法以微网每日运行成本最低为目标函数对储电装置的充放电功率，储气装置的充放气功率，售电功率，购电功率，负荷转移功率和P2G设备的输入功率进行调整，并将目标函数值作为适应值返回给储电储气配置模型，再根据适应值对储电储气装置进行优化配置。本发明适用于含有P2G的微网运行多场景下的储电储气配置策略和微网优化调度，在降低不合理的储电储气配置成本的同时提高了能源的利用效率。
-
公开(公告)号：CN111080000A
公开(公告)日：2020-04-28
申请号：CN201911239921.2
申请日：2019-12-06
摘要： 本发明公开了一种基于PSR-DBN的超短期母线负荷预测方法，包括步骤：(1)采集母线负荷历史数据，对负荷时间序列进行极差归一化处理；(2)对负荷时间序列进行相空间重构，并采用C-C方法求解负荷时间序列的最优嵌入维数和最优延时；(3)构建深度信念网络，采用重构的负荷时间序列相空间矩阵作为训练集对深度信念网络进行训练，并采用交叉验证优化深度信念网络的超参数；(4)利用训练完成的深度信念网络预测未来时刻的负荷值；(5)利用负荷时间序列的最大最小值对深度信念网络返回的负荷预测值进行反归一化处理，得到实际的负荷预测值。本发明预测方法在分布式电源渗透率较高且母线负荷波动较大的情况下依旧能保持相对较高的预测精度。
-
公开(公告)号：CN111987729B
公开(公告)日：2021-10-22
申请号：CN202010794809.1
申请日：2020-08-10
摘要： 本发明公开了一种含P2G微网的储电储气容量配置与调度优化方法，根据含P2G单元的微网运行模型构建储电储气配置模型和调度模型，储电储气配置模型采用粒子群优化算法对储电装置和储气装置的额定容量进行配置，调度模型采用差分进化算法以微网每日运行成本最低为目标函数对储电装置的充放电功率，储气装置的充放气功率，售电功率，购电功率，负荷转移功率和P2G设备的输入功率进行调整，并将目标函数值作为适应值返回给储电储气配置模型，再根据适应值对储电储气装置进行优化配置。本发明适用于含有P2G的微网运行多场景下的储电储气配置策略和微网优化调度，在降低不合理的储电储气配置成本的同时提高了能源的利用效率。
-
公开(公告)号：CN111612244A
公开(公告)日：2020-09-01
申请号：CN202010418956.9
申请日：2020-05-18
摘要： 本发明公开了基于QRA-LSTM的日前光伏功率非参数概率预测方法，采用光伏历史数据和数值天气预报数据(NSW)训练了一组相互独立的长短期记忆网络(LSTM)确定性预测模型，并通过分位数回归平均算法(QRA)集成各独立LSTM预测模型生成了光伏出力的非参数概率预测模型。非参数概率预测能够描述单纯的确定性预测难以反映的不确定性问题，其结果具有更高的可信度。本发明能够有效避免确定性预测和概率预测分别孤立看待等问题，为调度人员的决策调度提供重要依据，应用价值和前景巨大。
-
公开(公告)号：CN111507000A
公开(公告)日：2020-08-07
申请号：CN202010303017.X
申请日：2020-04-17
申请人： 国网江苏省电力有限公司南京供电分公司 , 国电南瑞南京控制系统有限公司 , 南瑞集团有限公司 , 国电南瑞科技股份有限公司 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC分类号： G06F30/20 , G06F111/10
摘要： 本发明公开了一种配电网信息物理系统模型、该模型的建立方法以及应用，所述模型包括物理层、二次设备层、通信层、控制决策层；二次设备层和通信层内部采用邻接矩阵表示层内节点间的关系；不同层采用关联特性矩阵表示层间节点的关系；关联特性矩阵包括：二次设备节点到物理节点的关联特性矩阵S-P、物理节点到二次设备节点的关联特性矩阵P-S、二次设备节点到信息应用节点的关联特性矩阵S-I、信息应用节点到二次设备节点的关联特性矩阵I-S、二次设备节点与通信节点的关联特性矩阵S-C、物理节点与信息应用节点的关联特性矩阵P-I，信息应用节点与物理节点的关联特性矩阵I-P。该模型融合了离散的信息通信系统和连续时域的物理系统，能够统一表征配电网信息物理系统。
-
公开(公告)号：CN117200222A
公开(公告)日：2023-12-08
申请号：CN202311302517.1
申请日：2023-10-09
申请人： 国电南瑞科技股份有限公司 , 南瑞集团有限公司
IPC分类号： H02J3/00 , G06F18/214 , G06N3/0442 , G06N3/0464
摘要： 本发明公开了一种基于double‑input CNN‑LSTM的系统负荷预测方法及系统，该方法包括：获取数值天气预报和实测历史负荷数据，对数据中存在的异常值、缺失值异常点清洗和填充；对清洗后的负荷和天气数据构造成时序特征集，进而划分特征集为训练集、验证集和测试集，输入double‑input CNN‑LSTM时序网络进行训练得到模型；利用训练好的double‑input CNN‑LSTM时序预测模型对电力系统进行系统负荷预测。本发明综合考虑历史负荷的周期性、趋势性变化和预测日的气象影响，模型将特征输入划分为历史特征和预测特征，解决历史特征和预测日特征尺度不对称的问题，提高了系统负荷预测精度和曲线形态准确性，系统负荷预测结果满足电网负荷预测计划要求，能够更好地应用于之后的负荷调度决策中。
-
公开(公告)号：CN116842405A
公开(公告)日：2023-10-03
申请号：CN202310793077.8
申请日：2023-06-30
申请人： 国电南瑞科技股份有限公司 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司电力科学研究院 , 南瑞集团有限公司
摘要： 本发明公开了一种电力负荷数据聚类方法、系统、设备及存储介质，本发明聚类时，首先建立居民用户日负荷曲线；其次，分解活跃时段负荷及非活跃时段负荷分量，提取特征向量对居民用户日负荷曲线进行粗聚类；再次，分别解耦气象及季节因素对居民用电行为及负荷量的影响，生成基于季节分类的用户工作日典型负荷曲线；然后，使用离散小波分解法对用户工作日典型负荷曲线进行分解，构建用户用电趋势特征和用户用电特征；最后将用户用电趋势特征和用户用电特征作为用户用电数据的聚类依据，对用电用户进行基于DDTW距离的层次聚类分析。本发明方法降低了季节及其变换对聚类的影响，规避了数据处理的插值填充问题，提升了聚类效果。
-
公开(公告)号：CN110609205A
公开(公告)日：2019-12-24
申请号：CN201910753580.4
申请日：2019-08-15
申请人： 国网江苏省电力有限公司南京供电分公司 , 南瑞集团有限公司 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC分类号： G01R31/08
摘要： 本发明公开了一种基于综合信息矩阵的配电网故障定位的方法，所述方法包括如下步骤：通过网络拓扑获得网络信息矩阵；通过故障发送的保护动作信息获得保护信息矩阵；将所述网络信息矩阵与所述保护信息矩阵进行运算获取综合信息矩阵；通过所述综合信息矩阵进行故障区间判断；本发明实现简单，便于程序实现，可准确判断故障区段，减少了停电面积和停电时间。
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.039 秒)
