-
公开(公告)号：CN111898822B
公开(公告)日：2022-06-03
申请号：CN202010750651.8
申请日：2020-07-30
Applicant: 东北电力大学
Abstract: 本发明公开了基于多相关日场景生成的充电负荷区间预测方法，具体按照以下步骤实施：步骤1、基于SR相关系数理论，分析待预测日与历史各日EV充电行为的日间相关性，构建多相关日场景集；步骤2、以多相关日场景集为基础，构建基于β‑VAE的EV充电负荷场景生成模型，生成海量充电场景；步骤3、在生成海量充电场景中筛选与待预测日的极强相关历史日间充电行为相关性强的场景，组成相似场景集；步骤4、根据相似场景集最后一日数据得到EV充电负荷区间预测结果。解决了现有基于模型驱动的预测方法中存在较多假设条件，使得EV充电行为的分析偏于主观的问题；获得覆盖率高、宽度窄的预测区间。
-
Patent Agency Ranking
公开(公告)号：CN113094852A
公开(公告)日：2021-07-09
申请号：CN202110346105.2
申请日：2021-03-31
Applicant: 东北电力大学
IPC: G06F30/18 , G06F30/20 , G06Q30/02 , G06Q50/06 , G06F111/04 , G06F113/04
Abstract: 本发明公开了一种电动汽车充电负荷时‑空分布计算方法，具体按照以下步骤实施：步骤1、基于出行行为分析，建立出行链；步骤2、建立基于出行链的电动汽车充电负荷模型；步骤3、通过出行链与蒙特卡洛仿真相结合的方法，构建电动汽车充电负荷时‑空分布模型，通过对出行行为的分析，能够构建电动汽车时‑空分布模型，实现了对电动汽车行为的模拟与仿真，能够有针对性的仿真目的地不同的电动汽车的充电过程，可以清晰分辨充电需求热点区域，解决实际生活中电动汽车接入不确定性的问题，还能够用来分析大量电动汽车接入对配电网常规负荷曲线、节点电压、网络损耗等的影响。
-
公开(公告)号：CN114465256B
公开(公告)日：2024-06-21
申请号：CN202210079212.8
申请日：2022-01-24
Applicant: 东北电力大学
Abstract: 本发明公开了多节点电动汽车充电负荷联合对抗生成区间预测方法，包括分析待预测日和历史日联合充电场景中多节点充电负荷间时‑空相关性，确定描述多节点电动汽车充电行为的原始多节点多相关日联合充电场景集；利用梯度惩罚Wasserstein生成对抗网络刻画充电负荷时‑空分布强随机性，对抗生成海量与原始场景集具有相似概率分布但时序分布存在差异的联合充电场景；根据生成的多节点多相关日联合充电场景集，采用加权2‑D相关系数筛选出与待预测日强相关联合场景集；根据待预测日强相关联合场景集获得多节点充电负荷区间预测结果；能更有效预测配网空间内电动汽车充电负荷时‑空分布，更有利于提高配电网运行的稳定性与经济性。
-
公开(公告)号：CN110826795B
公开(公告)日：2023-06-09
申请号：CN201911056173.4
申请日：2019-10-31
Applicant: 国网辽宁省电力有限公司经济技术研究院 , 国家电网有限公司 , 东北电力大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/2431 , H02J3/00
Abstract: 一种极端温度气象日母线日前负荷预测方法，属于电力系统母线负荷预测技术领域，该预测方法为根据母线负荷历史数据和气象因素历史数据进行统计分析，确定极端温度气象日；构建XGBoost预测模型，将原始特征集合经过特征选择后的最优特征子集所包含的全部特征作为XGBoost模型的输入训练模型，确定极端温度气象待测日母线负荷；所述原始特征集合由待预测时刻温度、电价、风速、风向、相对湿度、日期类型、气压，以及待预测时刻前一周母线历史负荷组成；所述最优特征子集所包含的全部特征是原始特征集合的部分或者整体。采用本发明的方法能够提高极端温度气象条件下母线负荷日前预测的精度。
-
公开(公告)号：CN114465256A
公开(公告)日：2022-05-10
申请号：CN202210079212.8
申请日：2022-01-24
Applicant: 东北电力大学
Abstract: 本发明公开了多节点电动汽车充电负荷联合对抗生成区间预测方法，包括分析待预测日和历史日联合充电场景中多节点充电负荷间时‑空相关性，确定描述多节点电动汽车充电行为的原始多节点多相关日联合充电场景集；利用梯度惩罚Wasserstein生成对抗网络刻画充电负荷时‑空分布强随机性，对抗生成海量与原始场景集具有相似概率分布但时序分布存在差异的联合充电场景；根据生成的多节点多相关日联合充电场景集，采用加权2‑D相关系数筛选出与待预测日强相关联合场景集；根据待预测日强相关联合场景集获得多节点充电负荷区间预测结果；能更有效预测配网空间内电动汽车充电负荷时‑空分布，更有利于提高配电网运行的稳定性与经济性。
-
公开(公告)号：CN110826795A
公开(公告)日：2020-02-21
申请号：CN201911056173.4
申请日：2019-10-31
Applicant: 国网辽宁省电力有限公司经济技术研究院 , 国家电网有限公司 , 东北电力大学
Abstract: 一种极端温度气象日母线日前负荷预测方法，属于电力系统母线负荷预测技术领域，该预测方法为根据母线负荷历史数据和气象因素历史数据进行统计分析，确定极端温度气象日；构建XGBoost预测模型，将原始特征集合经过特征选择后的最优特征子集所包含的全部特征作为XGBoost模型的输入训练模型，确定极端温度气象待测日母线负荷；所述原始特征集合由待预测时刻温度、电价、风速、风向、相对湿度、日期类型、气压，以及待预测时刻前一周母线历史负荷组成；所述最优特征子集所包含的全部特征是原始特征集合的部分或者整体。采用本发明的方法能够提高极端温度气象条件下母线负荷日前预测的精度。
-
-
-
-
-
Search Results
16
records
(took 0.024 seconds)
