一种自适应动态组合的负荷概率预测方法及装置

    公开(公告)号:CN118676911A

    公开(公告)日:2024-09-20

    申请号:CN202410791743.9

    申请日:2024-06-19

    申请人: 山东大学

    摘要: 本发明涉及一种自适应动态组合的负荷概率预测方法及装置,属于电力系统负荷预测技术领域,包括:选择多种概率预测模型作为组合子模型,优化训练各子模型,提升各子模型概率预测精度,用于对电荷概率进行分别预测;针对每一子模型进行贝叶斯模型平均,得到组合后的整体预测结果;对预测结果进行评价;构建基于深度确定性策略梯度算法;构建基于深度确定性策略梯度算法的短期负荷预测模型,用于得到自适应动态预测结果。本发明克服单一预测模型在某些条件下表现不佳的问题,且实现环境与组合权重之间的动态映射,在线感知外界环境变化、自适应更新组合权重,从而增强模型的适应性,有效提升概率预测结果的稳定性和概率预测精度。

    一种基于深度迁移学习的节假日负荷预测方法及系统

    公开(公告)号:CN118676910A

    公开(公告)日:2024-09-20

    申请号:CN202410791742.4

    申请日:2024-06-19

    申请人: 山东大学

    摘要: 本发明涉及一种基于深度迁移学习的节假日负荷预测方法及系统,属于电力负荷预测技术领域。首先构建改进Transformer的域对抗迁移学习网络,将Transformer模型的Decoder结构丢弃,以Transformer模型的Encoder部分作为域迁移学习的分类预测器,利用常规负荷样本作为源域、节假日负荷样本作为目标域对模型进行预训练,最大限度地挖掘常规负荷与节假日负荷的相似信息和最优可共享模型参数;最后将域对抗学习网络的训练得到的改进Transformer模型作为预训练模型,以节假日负荷样本数据作为目标域,采用Adapter方法对预训练模型参数进行微调,提升节假日负荷预测的针对性和精度。

    转折性天气日前风电功率预测方法、装置、介质及设备

    公开(公告)号:CN116029465A

    公开(公告)日:2023-04-28

    申请号:CN202310314712.X

    申请日:2023-03-29

    申请人: 山东大学

    摘要: 本发明属于风电功率预测技术领域,为了解决现有预测算法在小样本条件下难以训练以及极端预测偏差大的问题,提供了一种转折性天气日前风电功率预测方法、装置、介质及设备。其中,转折性天气日前风电功率预测方法包括获取设定时间段内的天气信息,并确定出相应气象场景及其对应的转折性天气功率预测模型;从所述天气信息中,提取与所述气象场景相匹配的气象敏感特征;利用预先训练的转折性天气功率预测模型对提取的所述气象敏感特征进行处理,得到日前风电功率预测结果。其有效降低了极端预测偏差,提高了考虑转折性天气的日前风电功率预测精度。

    考虑功率时序及气象相依特性的风电功率预测方法及系统

    公开(公告)号:CN115239029B

    公开(公告)日:2023-01-31

    申请号:CN202211161172.8

    申请日:2022-09-23

    申请人: 山东大学

    IPC分类号: G06F17/00 G06Q10/04 G06Q50/06

    摘要: 本发明属于风电功率预测技术领域,其解决了无法直接参照超短期预测将历史若干时刻实测风电功率作为预测模型输入的问题,提供一种考虑功率时序及气象相依特性的风电功率预测方法及系统。其中该方法包括得到预设区域高时空分辨率的网格化数值气象预报结果;基于网格化数值气象预报结果及训练完成的连续条件随机场模型,得到日前风电功率预测结果;连续条件随机场模型包括连续条件随机场的一元势函数模型和二元势函数模型;一元势函数模型用于初步预测出日前风电功率序列;二元势函数模型用于基于特征相似性来调整量化表征的初步预测的日前风电功率序列进行调整,得到最终的日前风电功率预测结果。其能够实现准确的日前风电功率预测。

    一种基于季节调整的业扩报装分析预测系统及方法

    公开(公告)号:CN105023066B

    公开(公告)日:2018-07-17

    申请号:CN201510467874.2

    申请日:2015-07-31

    申请人: 山东大学

    IPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明公开了一种基于季节调整的业扩报装分析预测系统及方法,包括:首先对客户电量进行季节调整,以剔除季节性波动对电量增长趋势的影响,寻求时间序列的内在规律,筛选出具有代表性的典型客户,通过主元分析法得到客户群新装容量的释放规律。其次对报装容量和售电量分别进行季节调整,采用灰色关联分析法找到其趋势循环项关联度最强的月份,完成售电量预测。本发明有益效果:考虑到典型客户用电量受到季节因素的影响,其季节性波动的复杂性会掩盖经济发展过程中的客观规律,使序列的预测变得复杂、困难,因此要将季节因素和其他随机因子从原序列中剔除,使所选择的典型客户能够真正意义上的代表客户群的电量变化情况。

    一种自适应模态分解的深度学习电力负荷预测方法、介质及设备

    公开(公告)号:CN118676909A

    公开(公告)日:2024-09-20

    申请号:CN202410781028.7

    申请日:2024-06-18

    申请人: 山东大学

    摘要: 本发明涉及一种自适应模态分解的深度学习电力负荷预测方法、介质及设备,属于负荷预测技术领域,首先采用网格化数值天气预报构建考虑广域气象差异性的特征构建方法,对影响负荷波动的关键气象要素进行深度挖掘;然后利用改进自适应噪声完备集合经验分解方法对电力负荷数据样本进行分解,进而采用样本熵计算各个分量的时序复杂度,基于复杂度相似性对分量进行聚合重构,最后构建深度特征挖掘的CNN‑LSTM时序网络模型,该方法有效表征了负荷波动的波动特性,深度挖掘了影响负荷波动规律的复杂非线性高维特征,突破了电力负荷的强波动性、周期性、随机性等多因素叠加影响导致负荷预测难度大的突出问题。

    综合能源系统低碳优化调度方法、系统、存储介质及设备

    公开(公告)号:CN117808171A

    公开(公告)日:2024-04-02

    申请号:CN202410223585.7

    申请日:2024-02-29

    申请人: 山东大学

    摘要: 本发明涉及能源调度技术领域,本发明公开了综合能源系统低碳优化调度方法、系统、存储介质及设备,包括:对于每个综合能源园区主体,获取其余综合能源园区主体传递的交易信息和用户的负荷需求,通过两阶段分布鲁棒优化方法,求解合作效益最大化子问题模型,得到碳配额交易量和各设备出力,并基于所述设备出力对综合能源园区主体内的设备进行调度;在每个综合能源园区主体内,基于所述各设备出力,通过求解碳排放流模型,得到各时刻各节点的碳势,基于所述各节点的碳势,对用户实施价格型需求响应后,计算用户参与价格型需求响应后的负荷需求。能够引导用户改变自身用电行为,有效降低系统碳排放。