-
公开(公告)号：CN109214575B
公开(公告)日：2021-08-31
申请号：CN201811059862.6
申请日：2018-09-12
Applicant: 河海大学
Abstract: 本发明公开了一种基于小波长短期记忆网络的超短期风电功率预测方法，根据历史数据生成输入变量，以所对应的风功率历史数据作为输出，得到训练样本；采用小波分析方法对训练样本进行三级小波分解，得到四个小波样本，利用长短期记忆网络模型对四个小波样本分别进行训练，得到训练后的小波长短期记忆网络预测模型；根据四个小波样本的待预测时刻的实际数据生成测试输入数据，并输入到预测模型，其输出即为待预测的时刻的超短期风电功率预测值。本发明将小波分析方法与长短期记忆深度网络结合，可以同时实现数据的平稳化处理与深度学习，提高了预测的精度，增强了模型的泛化能力。
-
公开(公告)号：CN108667069A
公开(公告)日：2018-10-16
申请号：CN201810353816.0
申请日：2018-04-19
Applicant: 河海大学
IPC: H02J3/38
Abstract: 本发明提供了一种基于偏最小二乘法回归的短期风电功率预测方法，分析并提取风电场的影响风电功率预测的特征和影响因素，形成历史风功率数据向量，得到训练样本集，对训练样本集作降维处理，利用得到的训练样本进行成分提取，并且对输入输出进行相关性分析，再利用最小二乘法计算回归系数，建立偏最小二乘回归模型，选取风电功率点值作为测试样本的输入向量，与此相对应的输出向量作为功率输出真实值，带入偏最小二乘法回归模型，得到风电功率超短期预测值向量。本发明利用偏最小二乘回归方法具有良好的多元回归问题分析能力，同时包含数据回归模型建立、主成分分析以及典型相关分析等方法，不仅简化了预测模型结构，而且提高了预测的精度同时增强了预测方法的泛化能力。
-
公开(公告)号：CN109272156B
公开(公告)日：2021-12-07
申请号：CN201811059871.5
申请日：2018-09-12
Applicant: 河海大学
Abstract: 本发明公开了一种超短期风电功率概率预测方法，采集风电场的历史数据，得到训练样本集；根据影响因素的历史数据生成输入变量，得到样本集；利用小波分析将样本集进行小波分解与小波系数重构，得到小波样本集；利用极限学习机对每一个小波样本集进行模型参数的训练，得到小波的极限学习机预测模型，将测试集带入网络得到小波超短期点预测值，将各小波的极限学习机模型训练误差与点预测值进行存储相加并取平均值，得到经过小波分解之后模型的真实误差与点预测值，对模型的真实误差进行高斯分布参数估计，得到小波模型训练误差的高斯分布函数，应置信度要求结合点预测值即可求出小波的超短期概率预测区间。
-
公开(公告)号：CN110544025B
公开(公告)日：2022-08-26
申请号：CN201910772652.X
申请日：2019-08-21
Applicant: 河海大学
Abstract: 本发明公开了一种电转气‑储气罐组合的气电综合能源系统优化调度方法。该方法首先建立了天然气系统、电力系统和耦合元件的模型，其次根据天然气系统和电力系统的能量双向互动机制建立了气‑电综合能源系统的调度框架，将燃气轮机作为电力系统的调峰机组，P2G消纳过剩的风电存储于储气罐中，并以合同供气方式向气网供气；接着以经济性最优为目标建立1天24时段的调度模型。本发明所述的电转气‑储气罐组合的气电综合能源系统优化调度方法，为综合能源系统的规划设计、优化调度运行提供了理论基础和新的调度方法。
-
Patent Agency Ranking
公开(公告)号：CN110544025A
公开(公告)日：2019-12-06
申请号：CN201910772652.X
申请日：2019-08-21
Applicant: 河海大学
Abstract: 本发明公开了一种电转气-储气罐组合的气电综合能源系统优化调度方法。该方法首先建立了天然气系统、电力系统和耦合元件的模型，其次根据天然气系统和电力系统的能量双向互动机制建立了气-电综合能源系统的调度框架，将燃气轮机作为电力系统的调峰机组，P2G消纳过剩的风电存储于储气罐中，并以合同供气方式向气网供气；接着以经济性最优为目标建立1天24时段的调度模型。本发明所述的电转气-储气罐组合的气电综合能源系统优化调度方法，为综合能源系统的规划设计、优化调度运行提供了理论基础和新的调度方法。
-
公开(公告)号：CN108667069B
公开(公告)日：2021-10-19
申请号：CN201810353816.0
申请日：2018-04-19
Applicant: 河海大学
IPC: H02J3/38
Abstract: 本发明提供了一种基于偏最小二乘法回归的短期风电功率预测方法，分析并提取风电场的影响风电功率预测的特征和影响因素，形成历史风功率数据向量，得到训练样本集，对训练样本集作降维处理，利用得到的训练样本进行成分提取，并且对输入输出进行相关性分析，再利用最小二乘法计算回归系数，建立偏最小二乘回归模型，选取风电功率点值作为测试样本的输入向量，与此相对应的输出向量作为功率输出真实值，带入偏最小二乘法回归模型，得到风电功率超短期预测值向量。本发明利用偏最小二乘回归方法具有良好的多元回归问题分析能力，同时包含数据回归模型建立、主成分分析以及典型相关分析等方法，不仅简化了预测模型结构，而且提高了预测的精度同时增强了预测方法的泛化能力。
-
公开(公告)号：CN109272156A
公开(公告)日：2019-01-25
申请号：CN201811059871.5
申请日：2018-09-12
Applicant: 河海大学
Abstract: 本发明公开了一种超短期风电功率概率预测方法，采集风电场的历史数据，得到训练样本集；根据影响因素的历史数据生成输入变量，得到样本集；利用小波分析将样本集进行小波分解与小波系数重构，得到小波样本集；利用极限学习机对每一个小波样本集进行模型参数的训练，得到小波的极限学习机预测模型，将测试集带入网络得到小波超短期点预测值，将各小波的极限学习机模型训练误差与点预测值进行存储相加并取平均值，得到经过小波分解之后模型的真实误差与点预测值，对模型的真实误差进行高斯分布参数估计，得到小波模型训练误差的高斯分布函数，应置信度要求结合点预测值即可求出小波的超短期概率预测区间。
-
公开(公告)号：CN109239596A
公开(公告)日：2019-01-18
申请号：CN201810955767.8
申请日：2018-08-21
Applicant: 河海大学
Abstract: 本发明公开了一种基于EKF-IRLS滤波的动态状态估计方法，用于电力系统粗差情形下动态状态估计。该方法结合了扩展卡尔曼滤波(Extended Kalman filter,EKF)与最小二乘估计器(Iterated Recursive Least Square,IRLS)的优点，可有效抑制由粗差引起的状态估计偏差，能够实现状态的准确估计，具有很强的鲁棒性。该方法的应用，将有效提高电力系统的监测水平，保证其安全稳定运行。
-
公开(公告)号：CN109214575A
公开(公告)日：2019-01-15
申请号：CN201811059862.6
申请日：2018-09-12
Applicant: 河海大学
Abstract: 本发明公开了一种基于小波长短期记忆网络的超短期风电功率预测方法，根据历史数据生成输入变量，以所对应的风功率历史数据作为输出，得到训练样本；采用小波分析方法对训练样本进行三级小波分解，得到四个小波样本，利用长短期记忆网络模型对四个小波样本分别进行训练，得到训练后的小波长短期记忆网络预测模型；根据四个小波样本的待预测时刻的实际数据生成测试输入数据，并输入到预测模型，其输出即为待预测的时刻的超短期风电功率预测值。本发明将小波分析方法与长短期记忆深度网络结合，可以同时实现数据的平稳化处理与深度学习，提高了预测的精度，增强了模型的泛化能力。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
