基于粒子群的可控电采暖风电消纳方法

    公开(公告)号:CN110365063A

    公开(公告)日:2019-10-22

    申请号:CN201910685767.5

    申请日:2019-07-28

    Abstract: 本发明提出了一种基于粒子群的可控电采暖风电消纳方法。以温度作为其特征量,构建电采暖风电消纳优化模型,包括以下步骤:A.收集风电消纳空间时间序列数据;B.建立粒子群风电消纳系统控制模型;C.建立马尔科夫预测风电消纳空间概率模型;D.利用预测风电消纳空间概率模型预测某地区一天的风电消纳空间;E.根据步骤D的预测结果,结合风电消纳控制模型合理消纳多余风电。本发明结合了传统机器学习预测模型马尔科夫和智能算法粒子群,使得结合后风电消纳系统不仅能在短期对时间序列判别预测中获得较为精准的结果进行计算分析,有效的提高了系统风电消纳能力,同时能大量消纳多余风电为居民供暖,非常适用于有大量弃风的寒冷地区电力系统。

    一种可提高风电消纳能力的方法

    公开(公告)号:CN110112782A

    公开(公告)日:2019-08-09

    申请号:CN201910427874.8

    申请日:2019-05-21

    Inventor: 周封 朱婕

    Abstract: 本发明提供了一种可提高风电消纳能力的方法,包括系统调节、电网输电、输送导线以及变压器和电网输电损耗,所述电网输电包括线损和网损,所述输送导线的外缘由硅橡胶护套构成,所述硅橡胶护套的内部加设有抗拉钢丝,所述抗拉钢丝的一侧设置有多股铜芯软导线,所述输送导线内部均匀填充有耐高温填充物,所述变压器内部设置有多组组合硅钢片,所述组合硅钢片的内部加设有绕组,采用厚度为0.35-0.5mm的矩形硅钢片并且表面均匀涂布绝缘层,在变压器工作过程中提高整体的电阻率以及最大的磁导率,降低整体的矫顽力度,降低电网输电部分的消耗能力,间接性提高了整体风力发电的消纳能力。

    一种基于修正的小波神经网络预测风电消纳需求量算法

    公开(公告)号:CN110110944A

    公开(公告)日:2019-08-09

    申请号:CN201910427875.2

    申请日:2019-05-21

    Inventor: 周封 朱婕

    Abstract: 本发明公开一种基于修正的小波神经网络预测风电消纳需求量算法,1,收集风电场消纳需求时间序列数据构建训练集和测试集;2,建立小波神经网络预测风电消纳需求量模型;3,建立马尔科夫预测风电消纳需求概率模型;4,使用训练数据集对模型参数分别进行训练;5,利用马尔科夫模型对小波网络修正误差残值,得到风电消纳需求概率预测模型。本发明结合了传统机器学习预测模型马尔科夫和深层网络模型小波神经网络,使得结合后的风电消纳需求量预测模型既克服了神经网络的局限性,又能在长期对时间序列判别预测中获得较为精准的结果,有效的提高了预测风电消纳需求量的精度。非常适用于供电需求多变的风力发电机组。

Patent Agency Ranking