-
公开(公告)号：CN119651609A
公开(公告)日：2025-03-18
申请号：CN202510147884.1
申请日：2025-02-11
Applicant: 浙江大学 , 广西大学 , 国家电投集团广西电力有限公司
Abstract: 本发明公开了一种基于注意力机制的多维风电功率场景生成方法。包括以下步骤：首先，构建历史风电功率数据集，进而训练具有编码器‑解码器结构的风电功率预测模型，获得训练完成的风电功率预测模型；然后，利用训练完成的风电功率预测模型中的编码器提取历史风电功率数据集中各样本对应的压缩特征以及特征权重，从而更新历史风电功率数据集；最后，利用编码器提取目标样本对应的压缩特征，在历史风电功率数据集中寻找与目标样本最为接近的历史样本并作为风电功率场景，场景重要度作为样本相似程度，以场景及其重要度描述未来风电功率。本发明能在不牺牲概率性能的基础上有效缩短场景生成时间，并且还能更为准确地描述未来风电功率。
-
公开(公告)号：CN102570202B
公开(公告)日：2013-12-25
申请号：CN201210063024.2
申请日：2012-03-12
Applicant: 浙江大学
IPC: H01R13/66 , H01R13/523 , H01R24/00 , H01R27/00
Abstract: 本发明公开的基于感应式电能传输与WLAN信号传输的水下设备接口，包括插座和插头，插座和插头独立封装，对接后无直接的电气连接，可实现电能与信号的非接触式传输。本发明把非接触式的水下电能和水下信号传输结合在一起。应用电磁感应原理，实现电能从基站到设备的单向传输；应用WIFI技术，实现基站和设备之间的WLAN信号双向传输。与传统的通过导体直接接触的湿插拔连接器相比，无需导体的直接接触和复杂的密封措施，较好地避免了漏水和漏电情况的发生，更好地保证了水下机电设备长期连续的稳定运行及其与水下基站之间正常的信息交互。
-
公开(公告)号：CN102570202A
公开(公告)日：2012-07-11
申请号：CN201210063024.2
申请日：2012-03-12
Applicant: 浙江大学
IPC: H01R13/66 , H01R13/523 , H01R24/00 , H01R27/00
Abstract: 本发明公开的基于感应式电能传输与WLAN信号传输的水下设备接口，包括插座和插头，插座和插头独立封装，对接后无直接的电气连接，可实现电能与信号的非接触式传输。本发明把非接触式的水下电能和水下信号传输结合在一起。应用电磁感应原理，实现电能从基站到设备的单向传输；应用WIFI技术，实现基站和设备之间的WLAN信号双向传输。与传统的通过导体直接接触的湿插拔连接器相比，无需导体的直接接触和复杂的密封措施，较好地避免了漏水和漏电情况的发生，更好地保证了水下机电设备长期连续的稳定运行及其与水下基站之间正常的信息交互。
-
公开(公告)号：CN119651609B
公开(公告)日：2025-05-13
申请号：CN202510147884.1
申请日：2025-02-11
Applicant: 浙江大学 , 广西大学 , 国家电投集团广西电力有限公司
Abstract: 本发明公开了一种基于注意力机制的多维风电功率场景生成方法。包括以下步骤：首先，构建历史风电功率数据集，进而训练具有编码器‑解码器结构的风电功率预测模型，获得训练完成的风电功率预测模型；然后，利用训练完成的风电功率预测模型中的编码器提取历史风电功率数据集中各样本对应的压缩特征以及特征权重，从而更新历史风电功率数据集；最后，利用编码器提取目标样本对应的压缩特征，在历史风电功率数据集中寻找与目标样本最为接近的历史样本并作为风电功率场景，场景重要度作为样本相似程度，以场景及其重要度描述未来风电功率。本发明能在不牺牲概率性能的基础上有效缩短场景生成时间，并且还能更为准确地描述未来风电功率。
-
公开(公告)号：CN119109037A
公开(公告)日：2024-12-10
申请号：CN202411247203.0
申请日：2024-09-06
Applicant: 浙江大学
IPC: H02J3/00 , H02J3/38 , G06F17/13 , G06Q10/063 , G06Q10/04 , G06Q50/06 , G06N3/0455 , G06N3/049 , G06N3/048 , G06N3/044 , G06N3/08
Abstract: 本发明公开了一种基于非参数随机微分方程的超短期风电功率概率预测方法。该方法为：首先构建用于描述风电出力短时随机波动的非参数随机微分方程，并结合高斯过程回归与近似差分运算，实现有限风电观测数据下非参数随机微分方程的自适应推断；为满足随机微分方程推断和求解对于样本分辨率和计算效率的需求，将随机微分方程与深度神经网络相结合，基于双层注意力循环神经网络构建风电随机过程路径插值器与随机微分方程数值积分器，并提出两阶段训练算法实现网络参数的协同优化；最后，通过随机微分方程的概率转移特性，利用训练好的网络计算得到风电功率在预测时间内的时变概率分布。本发明可实现具有超时间分辨率的风电功率概率预测。
-
Patent Agency Ranking
公开(公告)号：CN118944057A
公开(公告)日：2024-11-12
申请号：CN202410965092.0
申请日：2024-07-18
Applicant: 国网浙江省电力有限公司台州供电公司 , 浙江大学
IPC: H02J3/00 , G06Q10/0637 , G06Q50/06 , G06F17/12 , G06F17/16 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种新能源配电系统节点电压不确定性量化方法、装置、终端及介质，所述方法包括基于深度学习模型构建对新能源配电系统中光伏出力进行确定性预测的模型，获取光伏出力预测值，基于所述模型，采用自举法实现光伏出力的不确定性量化；基于电压‑功率灵敏度，仅考虑光伏有功功率的影响，构建光伏出力不确定性到节点电压不确定性的线性映射关系，求得节点电压偏差的高斯分布；以光伏出力预测值为输入，对配电系统开展确定性潮流运算，求得当前时刻节点电压的期望值，将节点电压偏差与电压的期望值叠加得到节点电压的不确定性量化结果。本发明实现了配网节点电压不确定性的量化，相比传统方法具有更高的可靠性、更优的锐度及综合性能。
-
公开(公告)号：CN118296475A
公开(公告)日：2024-07-05
申请号：CN202410398444.9
申请日：2024-04-03
Applicant: 国网浙江省电力有限公司电力科学研究院 , 浙江大学
IPC: G06F18/2411 , G06F18/2415 , G06F18/25 , G06Q50/06 , H02J3/00
Abstract: 本发明公开了一种海上风电功率多模型预测方法，涉及风电功率预测技术领域，包括数据接入优化、历史数据接入分析、单电场预测模型优化、模拟海洋数值和数据优选，其采用多个预测模型，马尔可夫模型、SVM模型和邻里分析，来对海上风电功率进行预测，这些模型可以分别对不同的影响因素进行建模，并得到各自的预测结果，综合利用多个模型的优势，引入加权融合算法，通过对各个模型的预测结果赋予不同的权重，它们合并成一个综合的预测结果，权重的确定可以基于模型的准确性、稳定性和历史预测误差等因素进行调整，以提高最终预测结果的准确性和可靠性，可以为风电发电公司提供准确的超短期风电功率预测，更好地管理发电量，并避免损失。
-
公开(公告)号：CN119886427A
公开(公告)日：2025-04-25
申请号：CN202411933262.3
申请日：2024-12-26
Applicant: 浙江大学 , 国网浙江省电力有限公司电力科学研究院
Abstract: 本发明公开了一种基于图卷积神经网络的区域光伏功率直接区间预测方法。该方法首先引入条件风险价值和增广拉格朗日乘子法，将机会约束的区间预测优化问题转化为含线性不等式约束的优化问题；其次，以区域内不同地理位置的预报辐照度的协方差矩阵作为邻接矩阵，构建以多地理位置的气象预报特征为输入的图卷积神经网络；最后，借助ReLU激活函数，保证基于图卷积神经网络的深度学习模型的输出满足线性不等式约束，以优化问题的优化目标作为损失函数，通过随机梯度下降实现深度学习模型的训练。该方法考虑了区域内丰富气象信息，构建深度学习模型直接输出准确可靠的光伏功率预测区间，实现区域光伏功率预测不确定性高效量化。
-
公开(公告)号：CN119338283A
公开(公告)日：2025-01-21
申请号：CN202411864813.5
申请日：2024-12-18
Applicant: 浙江大学
IPC: G06Q10/0637 , G06Q50/06
Abstract: 本发明公开了一种基于条件引导扩散过程的电力系统负荷预测方法，属于电力系统时序预测领域。该方法设计了多阶段渐进引导的去噪流程，解决去噪过程不可控的问题；通过相似时段负荷曲线发掘算法和多分辨率趋势特征有效发掘模式特征，并利用混合特征条件生成网络引导多阶段去噪过程；最后，设计了基于Transformer架构的深度去噪网络，通过嵌入深度频域分解模块来提升模型从高斯噪声中还原负荷曲线的能力。该方法实现了去噪过程的可控，确保负荷曲线生成的精细度和准确性，增强了模型的可解释性，显著提升了日前负荷点预测与确定性预测的精度，能为电力系统控制和优化运行提供更为精确的预测信息。
-
公开(公告)号：CN119338283B
公开(公告)日：2025-04-01
申请号：CN202411864813.5
申请日：2024-12-18
Applicant: 浙江大学
IPC: G06Q10/0637 , G06Q50/06
Abstract: 本发明公开了一种基于条件引导扩散过程的电力系统负荷预测方法，属于电力系统时序预测领域。该方法设计了多阶段渐进引导的去噪流程，解决去噪过程不可控的问题；通过相似时段负荷曲线发掘算法和多分辨率趋势特征有效发掘模式特征，并利用混合特征条件生成网络引导多阶段去噪过程；最后，设计了基于Transformer架构的深度去噪网络，通过嵌入深度频域分解模块来提升模型从高斯噪声中还原负荷曲线的能力。该方法实现了去噪过程的可控，确保负荷曲线生成的精细度和准确性，增强了模型的可解释性，显著提升了日前负荷点预测与确定性预测的精度，能为电力系统控制和优化运行提供更为精确的预测信息。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.021 seconds)
