一种基于隐马尔可夫模型的电网发展趋势预测方法及系统

    公开(公告)号:CN112101673B

    公开(公告)日:2024-01-16

    申请号:CN202011000648.0

    申请日:2020-09-22

    摘要: 本发明公开了一种基于隐马尔可夫模型的电网发展趋势预测方法及系统。该方法包括:采用主成分分析法计算目标指标类型对应的目标指标值;根据目标指标值确定电网发展动态趋势特征向量;根据电网发展动态趋势特征向量和优化模型求解隶属度函数模型的参数并生成隶属度函数;将电网发展动态趋势特征向量代入隶属度函数生成电网发展动态趋势隶属度向量;根据电网发展动态趋势隶属度向量生成隶属度矩阵,对隶属度矩阵进行聚类;根据聚类后的隶属度矩阵,对隐马尔可夫模型进行训练,根据训练后的隐马尔可夫模型,采用维比特算法预测电网发展趋势等级。采用本发明的方法及系统,能够对电(56)对比文件WO 2013174146 A1,2013.11.28艾欣 等.电网发展诊断的改进模糊评价模型与评级.中国电力.2022,第55卷(第5期),66-75+165.秦欢 等.基于隐马尔科夫和主成分分析的电网数据词典构建.电力大数据.2019,第22卷(第1期),16-21.Inês L. Roça 等.Solving Ill-Conditioned State-Estimation Problems inDistribution Grids With Hidden-MarkovModels of Load Dynamics.IEEE Transactionson Power Systems.2020,第35卷(第1期),1-9.dataAnatoli Paul Ulmeanu 等.HiddenMarkov Models revealing the householdthermal profiling from smart meterdata.Energy and Buildings.2017,第154卷127-140.Alan Carlin 等.Higher AutomatedLearning through Principal ComponentAnalysis and Markov Models.ArtificialIntelligence in Education.2013,661-665.郑敏嘉;卢洵;程鑫.基于HMM模型的电力负荷预测模型研究.机电工程技术.2018,(11),170-173.

    一种电力系统负荷分类方法及系统

    公开(公告)号:CN111553434A

    公开(公告)日:2020-08-18

    申请号:CN202010365771.6

    申请日:2020-04-30

    IPC分类号: G06K9/62

    摘要: 本发明涉及一种电力系统负荷分类方法及系统。该方法包括:获取待分析的电力系统负荷数据,得到样本矩阵;所述电力系统负荷数据包括n条负荷曲线,每条负荷曲线包括p个采样点对应的电力负荷数据;所述样本矩阵中第i行第j列的元素表示第i条负荷曲线中第j个采样点的电力负荷值;对所述电力系统负荷数据进行标准化处理,得到标准化数据;采用主成分分析法对所述标准化数据进行分析,得到包括m个主成分分量的主成分矩阵;根据所述主成分矩阵,利用凝聚层次聚类方法确定k个初始聚类;根据所述k个初始聚类和所述主成分矩阵,利用k-means聚类方法确定所述电力系统负荷数据中每条负荷曲线的分类结果。本发明可以降低运算时间,提高电力系统负荷分类的效率。

    一种考虑时间和空间尺度的新能源出力仿真方法和系统

    公开(公告)号:CN113361129B

    公开(公告)日:2024-02-13

    申请号:CN202110709291.1

    申请日:2021-06-25

    摘要: 本发明涉及一种考虑时间和空间尺度的新能源出力仿真方法和系统,其特征在于包括以下步骤:1)按照时间尺度和空间尺度对获取的新能源发电历史数据集进行数据划分,得到相应的样本数据集;2)对各样本数据集进行时序模拟,并基于时序模拟结果产生新能源发电出力的随机样本,基于该随机样本建立能够反映时间和空间特性的新能源出力概率模型。本发明相较传统方法能够反映新能源发电出力在不同的时间尺度和空间尺度下的相关性概率分布特性,基于条件概率和多变量核密度估计用于新能源发电出力的时序模拟,并采用了舍选抽样法进行样本抽样,提高了新能源发电出力概率建模算法的实用性与适用性。因此,本发明可以广泛应用于电网稳定性分析领域。