-
公开(公告)号：CN112070160B
公开(公告)日：2022-11-08
申请号：CN202010934286.6
申请日：2020-09-08
申请人： 合肥工业大学
摘要： 本发明公开了一种风电功率爬坡事件的多层协同实时分类预警方法，包括以下步骤：1获取风电功率历史数据进行预处理；2制定风电功率爬坡事件分类策略；3建立分解层、预测层、校正层、反馈层的多层协同预测模型；4识别不同类别的风电功率爬坡事件进行实时预警。本发明利用EMD分解、GRU预测、SVR校正以及实测信息反馈的多步滚动预测，并根据风电功率爬坡事件分类准则，识别不同类别的风电功率爬坡事件后进行实时预警，能在爬坡事件发生之前，及时采取相应措施，从而保证电力系统安全平稳运行。
-
公开(公告)号：CN112036758B
公开(公告)日：2022-09-13
申请号：CN202010915883.4
申请日：2020-09-03
申请人： 合肥工业大学
摘要： 本发明公开了一种基于成分数据的灰色QRNN修正的能耗结构预测方法，包括：1提取任意地区能源消耗结构成分数据，并进行对称对数比变换的数据预处理；2运用灰色GM(1,1)模型对预处理后的数据进行初步预测，计算其残差；3针对残差序列建立分位数回归神经网络预测模型，得到不同分位点下的条件分位数；4将不同分位点下的条件分位数作为Epanechnikov核函数的输入变量进行概率密度预测，得到残差预测值；5结合灰色模型预测值与残差预测值，得到能耗结构处理后数据的修正数据；经反变换后得到最终的能耗结构成分数据预测值。本发明能得到预测效果精确的能耗结构预测模型，从而能为能源的合理配置和有效开发提供有利帮助。
-
公开(公告)号：CN112183846B
公开(公告)日：2022-04-19
申请号：CN202011021199.8
申请日：2020-09-25
申请人： 合肥工业大学
摘要： 本发明公开了一种基于模糊C均值聚类的TVF‑EMD‑MCQRNN负荷概率预测方法，包括：1对电力负荷及其影响因子进行预处理后按设定时间间隔进行分组；2对分组后的数据集划分训练集和测试集，使用模糊C均值聚类法分别对每组训练集和测试集进行聚类；3利用各类型训练集和测试集样本数据对TVF‑EMD‑MCQRNN模型进行训练和测试，得到各类型样本数据在不同分位点下的一系列条件分位数；4对各类型样本数据在相同分位点下的条件分位数分别进行求和得到各类型预测结果，从而实现概率密度预测。本发明能提高负荷预测的准确性，从而为电力系统的运行规划提供更全面、更有效的负荷信息。
-
公开(公告)号：CN112183848A
公开(公告)日：2021-01-05
申请号：CN202011023165.2
申请日：2020-09-25
申请人： 合肥工业大学
摘要： 本发明公开了一种基于DWT‑SVQR集成的电力负荷概率预测方法，其步骤包括：1：收集电力负荷及相关影响因子的数据，将负荷时间序列进行离散小波变换(DWT)，确定有效频率成分，得到子序列；2：选择多种学习模型，在各子序列的训练集中加入影响因子分别训练；3：将各子序列在多种模型中的预测结果进行整合，在训练集上的预测组成新的训练集，在测试集上的预测组成新的测试集；4：在新的数据集上进行支持向量分位数回归(SVQR)集成，结合核密度估计，得到最终电力负荷的概率密度预测。本发明能利用有限长度的非稳定负荷数据特征，得到更精确的电力负荷概率预测，从而能为电力系统的协调和配置提供更有效的决策依据。
-
公开(公告)号：CN112183846A
公开(公告)日：2021-01-05
申请号：CN202011021199.8
申请日：2020-09-25
申请人： 合肥工业大学
摘要： 本发明公开了一种基于模糊C均值聚类的TVF‑EMD‑MCQRNN负荷概率预测方法，包括：1对电力负荷及其影响因子进行预处理后按设定时间间隔进行分组；2对分组后的数据集划分训练集和测试集，使用模糊C均值聚类法分别对每组训练集和测试集进行聚类；3利用各类型训练集和测试集样本数据对TVF‑EMD‑MCQRNN模型进行训练和测试，得到各类型样本数据在不同分位点下的一系列条件分位数；4对各类型样本数据在相同分位点下的条件分位数分别进行求和得到各类型预测结果，从而实现概率密度预测。本发明能提高负荷预测的准确性，从而为电力系统的运行规划提供更全面、更有效的负荷信息。
-
公开(公告)号：CN112070160A
公开(公告)日：2020-12-11
申请号：CN202010934286.6
申请日：2020-09-08
申请人： 合肥工业大学
摘要： 本发明公开了一种风电功率爬坡事件的多层协同实时分类预警方法，包括以下步骤：1获取风电功率历史数据进行预处理；2制定风电功率爬坡事件分类策略；3建立分解层、预测层、校正层、反馈层的多层协同预测模型；4识别不同类别的风电功率爬坡事件进行实时预警。本发明利用EMD分解、GRU预测、SVR校正以及实测信息反馈的多步滚动预测，并根据风电功率爬坡事件分类准则，识别不同类别的风电功率爬坡事件后进行实时预警，能在爬坡事件发生之前，及时采取相应措施，从而保证电力系统安全平稳运行。
-
公开(公告)号：CN110555566A
公开(公告)日：2019-12-10
申请号：CN201910852925.1
申请日：2019-09-10
申请人： 合肥工业大学
摘要： 本发明公开了一种基于B样条分位数回归的光电概率密度预测方法，其步骤包括：1采集光电数据，对其进行归一化处理，并且把历史光电数据划分为训练集和测试集；2构建B样条分位数模型，并利用训练集数据计算B样条分位数回归模型的参数；3将测试集数据代入B样条分位数模型中得到不同分位点下的预测值，并运用核密度估计实现光电概率密度预测。本发明能提高光伏发电的预测精度，全面度量预测结果的不确定性，从而为光伏发电安全稳定的并入电网提供了可靠的依据。
-
公开(公告)号：CN106855641A
公开(公告)日：2017-06-16
申请号：CN201710065836.3
申请日：2017-02-06
申请人： 合肥工业大学
IPC分类号： G01V1/50
CPC分类号： G01V1/50 , G01V2210/163 , G01V2210/6169
摘要： 本发明公开了一种利用地震反射波探测超浅层断层的方法，采用单井多炮激发、地面多道接收的方式，直接对浅部断层面信息进行采集、分析和解译。本发明方法能够对新构造运动行迹‑‑‑超浅层活断层的发育情况进行直观的探测，能够对其发生、发展的分析及预测等提供直观的地震地质资料，能够解决近地表活断层难以探测的问题。
-
公开(公告)号：CN110555566B
公开(公告)日：2021-02-05
申请号：CN201910852925.1
申请日：2019-09-10
申请人： 合肥工业大学
摘要： 本发明公开了一种基于B样条分位数回归的光电概率密度预测方法，其步骤包括：1采集光电数据，对其进行归一化处理，并且把历史光电数据划分为训练集和测试集；2构建B样条分位数模型，并利用训练集数据计算B样条分位数回归模型的参数；3将测试集数据代入B样条分位数模型中得到不同分位点下的预测值，并运用核密度估计实现光电概率密度预测。本发明能提高光伏发电的预测精度，全面度量预测结果的不确定性，从而为光伏发电安全稳定的并入电网提供了可靠的依据。
-
公开(公告)号：CN112070303A
公开(公告)日：2020-12-11
申请号：CN202010935372.9
申请日：2020-09-08
申请人： 合肥工业大学
摘要： 本发明公开了一种参数自适应的光伏功率爬坡事件分级概率性预测方法，包括：1获取光伏功率数据及其影响因子进行预处理，针对处理后的数据集计算光伏爬坡率；2对光伏爬坡率进行分解，获得最佳本征模态分量IMFs；3针对每个本征模态分量IMF，结合光伏功率影响因子，建立LASSO‑QR预测模型，得到相应条件分位数预测结果；4对相同分位点下的条件分位数进行求和，得到最终预测结果，并输入核密度估计KDE方法进行概率密度预测；5确定光伏发电站的爬坡阈值，实现光伏功率爬坡事件的分级概率性预测。本发明能对光伏功率中不同程度爬坡事件的发生概率进行有效地预测与度量，为电力系统的经济调度、安全运行提供有力支撑。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.048 秒)
