-
公开(公告)号：CN117293826A
公开(公告)日：2023-12-26
申请号：CN202311585725.7
申请日：2023-11-27
Applicant: 山东大学 , 国网江苏省电力有限公司电力科学研究院
IPC: H02J3/00 , G06F18/2321 , G06F18/214
Abstract: 本发明公开了一种分布式光伏缺失功率实时预测方法、系统、介质及设备，涉及光伏预测技术领域。该方法包括步骤：获取光伏板实时功率数据，并对功率数据利用傅里叶变换进行分解，得到低频平稳序列和高频波动序列；对于低频平稳序列采用静态插值模型来进行数据补齐；对于高频波动序列，进行空间插值和时间插值来进行数据的补齐；结合补齐的低频平稳序列和高频波动序列得到预测的完整的功率数据。本发明考虑光伏缺失功率数据的插值补齐方法和分布式光伏系统的多层级动态汇聚进行功率预测，为高精度的光伏功率预测提供数据支撑。
-
公开(公告)号：CN118316021A
公开(公告)日：2024-07-09
申请号：CN202410385305.2
申请日：2024-04-01
Applicant: 山东大学 , 国网江苏省电力有限公司电力科学研究院
Abstract: 本发明提出了基于AP聚类与迁移学习的分布式光伏功率预测方法及系统，涉及分布式光伏短期功率预测技术领域，具体方案为：收集待预测区域内各分布式光伏电站的历史发电数据；基于历史发电数据，利用AP聚类将待预测区域内多个分布式光伏电站划分为站群；以每个站群内最具相关性的聚类中心电站为源域、其他电站为目标域，迁移学习源域向目标域的特征转移，得到功率预测模型；利用功率预测模型，对目标域中分布式光伏电站的光伏功率进行预测；本发明使用AP聚类算法对各光伏电站的光伏功率聚类，将具有相似的“气象‑功率”特征的光伏电站划分为同一类站群，通过迁移学习实现同一类站群中源域向目标域的特征转移，从而准确预测目标域的光伏功率。
-
公开(公告)号：CN117293826B
公开(公告)日：2024-04-05
申请号：CN202311585725.7
申请日：2023-11-27
Applicant: 山东大学 , 国网江苏省电力有限公司电力科学研究院
IPC: H02J3/00 , G06F18/2321 , G06F18/214
Abstract: 本发明公开了一种分布式光伏缺失功率实时预测方法、系统、介质及设备，涉及光伏预测技术领域。该方法包括步骤：获取光伏板实时功率数据，并对功率数据利用傅里叶变换进行分解，得到低频平稳序列和高频波动序列；对于低频平稳序列采用静态插值模型来进行数据补齐；对于高频波动序列，进行空间插值和时间插值来进行数据的补齐；结合补齐的低频平稳序列和高频波动序列得到预测的完整的功率数据。本发明考虑光伏缺失功率数据的插值补齐方法和分布式光伏系统的多层级动态汇聚进行功率预测，为高精度的光伏功率预测提供数据支撑。
-
公开(公告)号：CN119921291A
公开(公告)日：2025-05-02
申请号：CN202411719152.7
申请日：2024-11-28
Applicant: 国网山东省电力公司营销服务中心(计量中心) , 山东大学
IPC: H02J3/00 , H02J3/38 , G06F18/213 , G06F18/23211 , G06N3/0455 , G06N3/08 , G06Q50/06
Abstract: 本发明公开了一种基于负荷场景聚类的代理购电用户负荷预测方法及系统，包括：获取代理购电用户的负荷历史数据和对应的历史气象数据；对负荷历史数据进行特征提取，得到负荷内在关键特征；对负荷历史数据的负荷内在关键特征进行聚类，计算各聚类类别负荷的关键气象因子；利用通用预测模型对待测负荷历史数据进行负荷预测，得到初始负荷预测结果；基于初始负荷预测结果提取对应的负荷内在关键特征；判断对应的负荷内在关键特征所属的聚类类别及该类别对应的关键气象因子，将待测负荷历史数据和对应的关键气象因子输入至对应类别的负荷预测模型，得到最终的负荷预测结果。本发明充分考虑不同负荷场景类别下的气象因素的影响，提高负荷预测结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118332347A
公开(公告)日：2024-07-12
申请号：CN202410320133.0
申请日：2024-03-20
Applicant: 山东大学 , 国网山东省电力公司经济技术研究院
Inventor： 杨明 , 李文升 , 陶李丹澜 , 孙东磊 , 赵龙 , 于一潇 , 李梦林 , 王传琦 , 单帅杰 , 张元赫 , 周皓阳 , 刘晓明 , 陈博 , 梁荣 , 孟祥飞 , 孙毅 , 王宪 , 刘蕊 , 王耀 , 袁振华
IPC: G06F18/22 , G06F18/2131 , G06F18/23213 , G06Q50/06 , H02J3/46 , H02J3/14 , G06F123/02
Abstract: 本发明属于分布式光伏技术领域，提供了一种基于高维特征提取的分布式光伏时空特性匹配方法及系统，包括：获取分布式光伏的出力曲线和用户的负荷功率曲线；提取所获取曲线的时空特征，构建时空特征矩阵；根据所构建的时空特征矩阵，进行时空特征多维聚类；基于所得到的多维聚类结果和所获取曲线的时空特征，得到基于聚类结果的分布式光伏与用户负荷之间的相似性分析，完成分布式光伏的时空特性匹配。
-
公开(公告)号：CN118232324A
公开(公告)日：2024-06-21
申请号：CN202410320428.8
申请日：2024-03-20
Applicant: 山东大学 , 国网山东省电力公司经济技术研究院
Inventor： 杨明 , 李文升 , 卓敏仪 , 孙东磊 , 郑志杰 , 于一潇 , 李梦林 , 王传琦 , 单帅杰 , 张元赫 , 周皓阳 , 刘晓明 , 陈博 , 杜鹏 , 梁荣 , 孙毅 , 孟祥飞 , 刘蕊 , 王宪 , 王耀 , 袁振华
IPC: H02J3/00 , H02J3/38 , G06F18/2131 , G06F18/27 , G06N20/00 , G06N3/0442
Abstract: 本发明属于光伏功率预测技术领域，提供了一种考虑周期特性表征的中长期光伏功率预测方法及系统，包括：获取光伏历史功率数据和历史气象数据；筛选所获取的历史气象数据，得到关键相依气象；提取所得到的光伏历史功率数据的时序特征，得到中长期光伏功率周期分量预测值；根据所得到的关键相依气象和中长期光伏功率周期分量预测值，完成中长期光伏功率的预测。
-
公开(公告)号：CN119448225A
公开(公告)日：2025-02-14
申请号：CN202411462206.6
申请日：2024-10-18
Applicant: 山东大学
IPC: H02J3/00 , G06F18/2113 , G06F18/213 , G06F18/20 , G06N3/0442 , G06N3/045 , G06N7/01 , G06Q50/06 , G06F123/02
Abstract: 本发明提供了一种考虑多维特征提取的短期电力负荷预测方法及系统，获取区域负荷、区域影响负荷的相关气象的历史数据，划分数据集；提取区域负荷序列中多时间尺度时序特征，包括趋势特征、星期特征和年特征，构建内在特征集；运用最大互信息系数查找历史气象数据中与负荷相关性高于设定值的关键相依气象，构建外在特征集；构建融合自注意力机制的预测模型，以所述内在特征集和外在特征集作为模型的输入，将预测值和实际值进行分析，得到条件概率密度函数，利用最后一部分数据的负荷预测值为条件概率密度函数的输入，计算负荷条件预测误差概率分布，进而确定负荷预测区间。本发明的预测结果精度高。
-
公开(公告)号：CN118861660A
公开(公告)日：2024-10-29
申请号：CN202410754217.5
申请日：2024-06-12
Applicant: 山东大学
IPC: G06F18/2135 , G06Q10/04 , G06N3/0464 , G06N3/084 , G06F17/16 , G06F17/18
Abstract: 本发明属于网格化数值天气特征提取领域，提供了网格化数值天气特征降维提取方法及系统。其中，该方法包括得到含高比例新能源电力系统的负荷类型与负荷功率对应关系；根据不同类型负荷所属区域的典型日网格化数值天气实测数据，得到多元气象因子，进而计算与不同负荷类型的负荷功率的相关性，筛选出不同负荷类型相关的气象因子，构建出初始气象因子特征矩阵；利用主成分分析方法对初始气象因子特征矩阵进行降维，得到降维的气象因子特征矩阵；利用预设深度学习模型对降维的气象因子特征矩阵进行迭代学习，以细化网格化气象特征尺度，进一步提取不同负荷类型的隐含特征，得到表征不同类型负荷的网格化特征矩阵，以用于负荷预测。
-
公开(公告)号：CN118554424A
公开(公告)日：2024-08-27
申请号：CN202410568674.5
申请日：2024-05-09
Applicant: 国网山东省电力公司营销服务中心(计量中心) , 山东大学
IPC: H02J3/00 , G06F18/213 , G06F18/2113 , G06F18/2321 , G06N3/096 , G06N3/0442 , G06Q50/06
Abstract: 本发明提供了一种基于聚类与迁移学习的代理购电用户负荷预测方法及系统，本发明基于多元信息挖掘，探索代理购电用户分区域、精细化聚类方法，基于聚类的用户负荷分析方法，根据其用电行为特征将用户聚类为不同的用电群体，在行业、产业分类的基础上对用户再次进行聚类，确定不同用电群体负荷时空分布，再针对每类用户建模分析以满足精细化电力负荷预测的需求，能够有效提升代理购电用户负荷预测的准确性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.047 seconds)
