-
公开(公告)号：CN108960657A
公开(公告)日：2018-12-07
申请号：CN201810771748.X
申请日：2018-07-13
CPC classification number: G06Q10/0639 , G06K9/6223 , G06K9/6228 , G06Q50/06
Abstract: 本发明涉及一种基于特征优选的楼宇负荷特性分析方法，该方法包括如下步骤：(1)获取待分析时间区间内楼宇负荷数据以及影响楼宇负荷的样本特征，所述的样本特征包括气象类特征和负荷类特征；(2)基于楼宇负荷数据对样本特征进行综合优选，选取影响楼宇负荷的优选特征；(3)对优选特征进行加权聚类，确定不同的用电模式，结合负荷数据确定每种用电模式下的负荷分布。与现有技术相比，本发明特征优选聚类方法能够有效提取出关键影响特征，提高聚类的质量，并且计算速度快，通用型强，分析结果准确可靠。
-
公开(公告)号：CN109993361A
公开(公告)日：2019-07-09
申请号：CN201910251522.1
申请日：2019-03-29
Abstract: 本发明涉及一种基于PMU的配电网运行趋势预测方法，包括下列步骤：S1：获取包括PMU量测数据、SCADA数据和营销数据在内的配电网的量测数据，建立配电网运行量测数据库，并对不良量测数据进行预处理；S2：建立多维灰色‑神经网络混合协调预测模型，将配电网量测数据作为输入数据，对下一时刻系统各节点的出力情况进行预测；S3：建立融合PMU的支路电流的前推回代潮流算法，利用该算法对步骤S2的预测结果计算各个预测时刻的电压，获取潮流结果；S4：获取每个预测时刻的潮流结果，实现基于PMU的配电网运行趋势预测。与现有技术相比，本发明具有反映配电网的运行趋势更加准确、预测精度高、收敛速度快等优点。
-
公开(公告)号：CN109064353A
公开(公告)日：2018-12-21
申请号：CN201810771056.5
申请日：2018-07-13
CPC classification number: G06Q50/06 , G06K9/6218 , G06Q10/06393
Abstract: 本发明涉及一种基于改进聚类融合的大型建筑用户行为分析方法，该方法用于确定大型建筑用户的用电模式，该方法包括如下步骤：(1)获取待分析的大型建筑用户的总负荷数据以及分项计量数据；(2)构建聚类效果综合评价指标，选取多种优质聚类方法；(3)采用选取的优质聚类方法分别对待分析的大型建筑用户的总负荷数据进行聚类得到不同聚类结果；(4)对所述的优质聚类方法得到的聚类结果进行融合得到最终用电模式。与现有技术相比，本发明可以吸取不同单一聚类算法的优点，其有效性与准确度均高于单一聚类方法，且拓展性得到提高。
-
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。
-
公开(公告)号：CN109993361B
公开(公告)日：2023-06-13
申请号：CN201910251522.1
申请日：2019-03-29
Abstract: 本发明涉及一种基于PMU的配电网运行趋势预测方法，包括下列步骤：S1：获取包括PMU量测数据、SCADA数据和营销数据在内的配电网的量测数据，建立配电网运行量测数据库，并对不良量测数据进行预处理；S2：建立多维灰色‑神经网络混合协调预测模型，将配电网量测数据作为输入数据，对下一时刻系统各节点的出力情况进行预测；S3：建立融合PMU的支路电流的前推回代潮流算法，利用该算法对步骤S2的预测结果计算各个预测时刻的电压，获取潮流结果；S4：获取每个预测时刻的潮流结果，实现基于PMU的配电网运行趋势预测。与现有技术相比，本发明具有反映配电网的运行趋势更加准确、预测精度高、收敛速度快等优点。
-
Patent Agency Ranking
公开(公告)号：CN109064353B
公开(公告)日：2022-07-01
申请号：CN201810771056.5
申请日：2018-07-13
Abstract: 本发明涉及一种基于改进聚类融合的大型建筑用户行为分析方法，该方法用于确定大型建筑用户的用电模式，该方法包括如下步骤：(1)获取待分析的大型建筑用户的总负荷数据以及分项计量数据；(2)构建聚类效果综合评价指标，选取多种优质聚类方法；(3)采用选取的优质聚类方法分别对待分析的大型建筑用户的总负荷数据进行聚类得到不同聚类结果；(4)对所述的优质聚类方法得到的聚类结果进行融合得到最终用电模式。与现有技术相比，本发明可以吸取不同单一聚类算法的优点，其有效性与准确度均高于单一聚类方法，且拓展性得到提高。
-
公开(公告)号：CN108960657B
公开(公告)日：2021-11-12
申请号：CN201810771748.X
申请日：2018-07-13
Abstract: 本发明涉及一种基于特征优选的楼宇负荷特性分析方法，该方法包括如下步骤：(1)获取待分析时间区间内楼宇负荷数据以及影响楼宇负荷的样本特征，所述的样本特征包括气象类特征和负荷类特征；(2)基于楼宇负荷数据对样本特征进行综合优选，选取影响楼宇负荷的优选特征；(3)对优选特征进行加权聚类，确定不同的用电模式，结合负荷数据确定每种用电模式下的负荷分布。与现有技术相比，本发明特征优选聚类方法能够有效提取出关键影响特征，提高聚类的质量，并且计算速度快，通用型强，分析结果准确可靠。
-
公开(公告)号：CN113991655B
公开(公告)日：2023-09-19
申请号：CN202111263152.7
申请日：2021-10-28
Applicant: 国网上海市电力公司 , 上海电力大学 , 华东电力试验研究院有限公司
Inventor： 王皓靖 , 田英杰 , 傅广努 , 时珊珊 , 杨秀 , 沈浩 , 苏运 , 陈赟 , 赵文恺 , 杨堤 , 李凡 , 孙改平 , 吴裔 , 李安 , 刘舒 , 时志雄 , 张开宇 , 郭乃网 , 金妍斐 , 胡印驰 , 吴吉海 , 柴梓轩 , 徐耀杰
IPC: H02J3/00 , H02J3/14 , G06Q10/0631 , G06Q50/06
Abstract: 本发明涉及一种定频空调负荷聚合需求响应潜力评估方法、装置及介质，方法包括：建立集群定频空调近似聚合模型；计算定频空调用户的室内温度初始可调节裕度和用户意愿度影响因子；根据室内温度初始可调节裕度和用户意愿度影响因子，计算定频空调负荷的实际弹性受控温度范围；获取用户可控度；根据集群定频空调近似聚合模型以及用户可控度实际弹性受控温度范围，建立定频空调负荷聚合需求响应潜力评估模型，根据该模型计算直接负荷控制模式下采用温度控制的定频空调负荷弹性聚合响应潜力。与现有技术相比，本发明兼顾多重响应潜力影响因素，准确性高。
-
公开(公告)号：CN112865096A
公开(公告)日：2021-05-28
申请号：CN202110291917.1
申请日：2021-03-18
Abstract: 本发明公开了一种考虑PMU量测相角偏差的配电网状态估计方法，包括以下步骤：S1，获取某一时刻PMU/SCADA混合量测数据；S2，根据当前状态估计值，使用SCADA量测模型计算量测量计算值和雅可比矩阵；S3，根据当前状态估计值，使用考虑量测相角偏差的PMU量测模型计算量测量计算值和雅可比矩阵，结合步骤S3所得结果，计算信息矩阵和自由矢量；S4，根据信息矩阵和自由矢量求解状态修正量。完成状态修正，得到此轮计算状态估计结果；S5，根据收敛判别条件，判断状态估计结果是否已经收敛，否，则回到S2步骤继续计算；是，则输出状态估计估计结果。本发明有效降低含偏差量相角量测信息对状态估计精确度产生的不良影响，并且有效提升了配电网状态估计的准确性。
-
公开(公告)号：CN112241596A
公开(公告)日：2021-01-19
申请号：CN202011156118.5
申请日：2020-10-26
Applicant: 国网上海市电力公司
IPC: G06F30/20 , G06Q10/04 , G06Q10/00 , G06Q30/02 , G06Q50/06 , G06Q50/30 , G06F113/04 , G06F111/08
Abstract: 本发明公开了一种计及电动汽车的城市电网中长期生产模拟方法，首先，基于电动汽车保有量及气温历史数据，通过蒙特卡洛抽样模拟方法预测电动汽车充电负荷；其次，建立综合负荷模型，将城市电网常规基础负荷与电动汽车充电负荷相叠加得到持续负荷曲线，并进行分段处理以简化求解难度；然后，以系统运行成本最低为目标构建生产模拟目标函数以及运行约束条件；最后，求解优化规划问题，得到包括发电机出力、总运行成本等生产模拟结果。本发明充分考虑了电动汽车对城市电网负荷的影响；得到经济性最优的城市电网机组出力方案与机组检修方案；可以作为现有系统或规划方案经济性的重要评价依据。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.039 seconds)
