一种基于改进聚类算法和神经网络的电压偏差预测方法

    公开(公告)号:CN108460486A

    公开(公告)日:2018-08-28

    申请号:CN201810178916.4

    申请日:2018-03-05

    Abstract: 本发明涉及一种基于改进聚类算法和神经网络的电压偏差预测方法,包括:1、采集电网某历史时间段不同时刻的电压偏差数据和气象数据作为历史数据,通过天气预报获取待测时刻的气象数据;2、通过PCA对历史时间段和待测时刻的气象数据进行降维处理,选取若干主成分作为综合气象变量;3、通过结合AP聚类算法的K-means聚类算法对综合气象变量数据进行聚类,得到多个类簇;4、选取与待测时刻气象数据同一类簇的历史数据作为训练样本数据集,通过BP神经网络进行训练并得到待测时刻的电压偏差预测结果。与现有技术相比,本发明考虑气象因素对电压偏差的影响,利用改进聚类算法提取训练样本,减少了信息干扰,提高了预测精度。

    基于核函数的PCA‑KSICA储能系统典型工况识别方法

    公开(公告)号:CN106778533A

    公开(公告)日:2017-05-31

    申请号:CN201611064284.6

    申请日:2016-11-28

    CPC classification number: G06K9/0057 G06K9/0051

    Abstract: 本发明涉及一种基于核函数的PCA‑KSICA储能系统典型工况识别方法,包括以下步骤:1)获取储能系统正常工况下的测量数据;2)采用PCA策略对所述测量数据进行白化处理,获得白化后信号Zn;3)建立核函数,将所述白化后信号映射至高维空间进行独立成分分析,获得解混矩阵;4)根据所述解混矩阵获得正常工况下的独立分量趋势矩阵;5)根据待监测信号与正常工况下的独立分量趋势矩阵的关系识别待监测信号所处工况。与现有技术相比,本发明将PCA策略与KSICA方法相结合,消除原始各道数据间的二阶相关性,提升快速性,有效解决ICA分离算法由于数据量大、迭代次数多引起收敛速度慢的问题,保持鲁棒性能,避免产生发散行为。

    电动汽车V2G微网中根据负荷曲线运行控制的方法

    公开(公告)号:CN106786704B

    公开(公告)日:2019-06-25

    申请号:CN201710058522.0

    申请日:2017-01-23

    Abstract: 本发明涉及一种电动汽车V2G微网中根据负荷曲线运行控制的方法,微网能量管理系统根据前一天24小时的负荷曲线、一天平均功率值和电动汽车当前的电池容量信息,计算当天24小时的运行曲线下发给V2G监控系统;V2G监控系统根据运行曲线,生成相应的控制指令下发给V2G充电桩,并不断读取V2G充电桩的运行数据,上传给微网能量管理系统;V2G充电桩执行V2G监控系统下发的控制指令,为电动汽车充电或接收电动汽车对电网的放电,并把运行数据和电动汽车的信息上传给V2G监控系统。本发明实现电动汽车在微网中的自动运行控制,保证加入V2G微网的电动汽车不仅可以充电,还可以根据负荷曲线,实现自动对电网的放电。

    一种基于能耗数据采集的分布式光伏系统能效预评估方法

    公开(公告)号:CN106384015A

    公开(公告)日:2017-02-08

    申请号:CN201610875497.0

    申请日:2016-09-30

    CPC classification number: G06F19/00

    Abstract: 一种基于能耗数据采集的分布式光伏系统能效预评估方法,包括首先进行的分布式光伏系统输出功率特性分析,再进行的包含能耗数据采集和用电负荷曲线特征分析的单位用能情况分析,最后进行的用电综合匹配的三大步骤。本发明能更细致的对分布式光伏系统的实际发电量情况进行预评估,做出的评估结论更贴合接入单位实际情况;本发明能够对该单位用能策略进行调整或给出调整建议,再在此基础上配置分布式光伏系统能起到一定的节能和“削峰填谷”效益,另外,本发明可视接入单位的发、用电综合匹配情况的不同,对于是否有必要另外配置储能相关设备能给出明确的结论和建议,能对分布式光伏系统的未来收益情况和投资回报周期给出明确的结论和建议。

Patent Agency Ranking