-
公开(公告)号：CN111959330A
公开(公告)日：2020-11-20
申请号：CN202010886571.5
申请日：2020-08-28
Applicant: 华北电力大学(保定)
Abstract: 本发明公开了一种基于用户充电及出行习惯的用户DR方案定制方法，根据EV用户的历史充电曲线，提取充电特征，分析用户充电的规律性，对EV用户进行分类；设定表征EV用户充电行为特征的行为标签；计算用户可向电网放电电量和通过改变充电行为，将负荷从高峰期移至低谷期的可转移电量；基于用户可向电网放电电量、可转移电量以及用户充电及出行行为的规律性，估计EV用户的需求响应能力，为EV用户设置合理的目标DR容量以及响应方式。本发明提供的基于用户充电及出行习惯的用户DR方案定制方法，综合考虑了不同用户的充电及出行习惯，为不同的EV用户定制DR合同，促进了电力资源优化配置。
-
公开(公告)号：CN111402312A
公开(公告)日：2020-07-10
申请号：CN202010157539.3
申请日：2020-03-09
Applicant: 华北电力大学
Abstract: 本发明公开了一种利用天空图像的云团高度估算方法及系统，本发明提出的方法包括如下步骤：获取第一天空成像仪拍摄到的第一天空图像以及同一时刻第二天空成像仪拍摄到的第二天空图像，其中，所述第一天空成像仪和所述第二天空成像仪位于同一光伏站的不同位置；根据光流法获取所述第一天空图像中的第一点以及和所述第一点配准的所述第二天空图像中的第二点之间的移动距离；根据所述第一点和所述第二点的位置得到所述实际云团的高度估算值；只需要2台天空成像仪相关参数即可估算得到云团高度，本方法简单易操作，填补了现阶段对于光伏站的云团高度的估算的技术的空白，从而为光伏发电功率分钟级预测提供一定数据支持。
-
公开(公告)号：CN110717592A
公开(公告)日：2020-01-21
申请号：CN201910964503.3
申请日：2019-10-11
Applicant: 华北电力大学 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司 , 中国电力科学研究院有限公司
IPC: G06N3/08 , G06N20/10 , G06F16/583 , G06Q10/06 , G06Q50/06
Abstract: 本发明公开了一种计算光伏电站地表辐照度空间分布的方法，方法包括：建立天空图像-辐照度映射模型；将所述平均RGB值和所述距离作为所述模型的训练输入变量，将所述实测地表辐照度作为所述模型的训练输出变量；获取即刻天空图像，以计算得到各所述像素点对应的辐照度数值；即刻天空图像的各像素点对应的辐照度数值实际上也是该即刻天空图像对应的地表各区域的辐照度数值，可映射当前光伏电站地表各区域的辐照度分布情况，以此获取当前时刻各发电单元理论输出功率并预测未来光伏功率变化情况，从而调整光伏发电调度计划，减少因辐照度的随机变化而对发电稳定性产生的影响。
-
公开(公告)号：CN109299821A
公开(公告)日：2019-02-01
申请号：CN201811104569.7
申请日：2018-09-21
Applicant: 华北电力大学(保定) , 国网山东省电力公司电力科学研究院
Abstract: 本发明公开了一种分布式光伏发电预测平台及方法。分布式光伏发电预测平台包括云平台和访问端，所述云平台能够对本地分布式光伏电站的信息进行数据采集，并通过对数据处理建立预测模型，通过所述预测模型获得分布式光伏出力预测值，所述预测模型中包括广义邻域信息，所述访问端能够与所述云平台通讯连接，并能够获取所述云平台的数据或向所述云平台发送控制指令。本发明通过云平台并引入广义邻域信息对光伏发电站的光伏出力进行预测。实现分布式光伏电站运行数据的可靠存储与快速并行处理，具有成本低、可靠性高、易扩展等优势。依托云计算平台，实现不同区域分布式光伏电站的数据共享，在预测模型中加入广义邻域信息，提高了预测的精度。
-
公开(公告)号：CN106529707A
公开(公告)日：2017-03-22
申请号：CN201610937415.0
申请日：2016-11-01
Applicant: 华北电力大学(保定)
Abstract: 本发明涉及一种负荷用电模式识别方法，其步骤包括：以采样时间间隔T对用电负荷进行采集，得到L天时间内对应的L条日负荷曲线；对得到的日负荷曲线进行基于密度的空间聚类，得到典型负荷用电模式；提取描述用户在不同时间尺度下用电行为的特征；利用引力搜索算法对提取得到的用户用电特征进行聚类；重复聚类，利用聚类评价指标对聚类结果进行评价，并选出最优聚类结果即负荷用电模式的识别结果。本发明所使用的引力搜索算法搜索能力强，收敛速度快，不易陷入局部最优解，在识别效果上优于传统的聚类算法，能够有效实现负荷用电模式的识别，可为需求侧响应方案设计、负荷特性分析及其高精度预测提供有力指导。
-
Patent Agency Ranking
公开(公告)号：CN105405120A
公开(公告)日：2016-03-16
申请号：CN201510688978.6
申请日：2015-10-22
Applicant: 华北电力大学(保定)
CPC classification number: G06T5/009 , G06T2207/30192
Abstract: 本发明公开了一种在天空图像中提取云图形的方法，通过将天空图像转换为灰度图像，进而将灰度图像增强后基于最大类间方差法获取最优的二值化阈值，基于该二值化阈值对增强后的灰度图像进行二值化以获得区分天空图形和云图形的二值化图像。本发明的方法动态获取二值化阈值，具有较好的适应性和准确性。
-
公开(公告)号：CN103116711A
公开(公告)日：2013-05-22
申请号：CN201310076215.7
申请日：2013-03-11
Applicant: 华北电力大学(保定)
IPC: G06F19/00
Abstract: 一种基于辐照度特征参数的天气类型辨识方法，用于对光伏电站逐日历史数据中缺失的天气类型进行识别。其技术方案是，所述方法基于辐照度逐日变化规律和不同天气类型之间的内在关联关系，以辐照度特征参数作为输入，以天气类型作为输出，通过支持向量机方法建立天气类型辨识模型，利用天气类型信息完整的历史数据对其进行训练，拟合输入输出之间的非线性映射关系，进而通过该模型识别得到逐日数据记录中缺失的天气类型。本发明通过支持向量机模型实现了对缺失天气类型的有效辨识，消除了光伏电站逐日数据记录中天气类型信息缺失对分类预测算法实施的不利影响，为提高光伏电站辐照度和发电功率分类预测的准确性创造了有利条件。
-
公开(公告)号：CN101728984A
公开(公告)日：2010-06-09
申请号：CN201010033376.4
申请日：2010-01-18
Applicant: 华北电力大学(保定)
Abstract: 一种并网型光伏电站发电功率预测方法，属光伏发电技术领域，用于预测光伏电站的发电功率，其技术方案是：它利用在并网型光伏电站生产现场所采集的包括太阳辐射强度、环境温度、风速在内的光伏电站输入参数和光伏电站输出参数，即输出功率，建立光伏电站输入、输出参数关联数据库，并通过在线自学习对该数据库进行实时更新；对于给定的并网型光伏电站输入参数的预测信息，利用数据挖掘技术在光伏电站输入、输出参数关联数据库中进行数据挖掘，得到并网型光伏电站发电功率的预测值。本发明可以准确预测并网型光伏电站的发电功率，为电力系统的调度管理部门提供可靠的参考信息，大大提高了电力系统的管理水平。
-
公开(公告)号：CN119315509A
公开(公告)日：2025-01-14
申请号：CN202410786947.3
申请日：2024-06-18
Applicant: 中国长江三峡集团有限公司 , 华北电力大学
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06F18/10 , G06F18/214 , G06F18/24 , G06F17/18 , G06N3/042 , G06N3/08
Abstract: 一种基于多气象参数有向加权动态复杂网络化表征的光伏功率短期预测方法，包括以下步骤：S10、采集目标光伏电站各发电单元的历史和实时功率数据，以及从多种气象预报源获取的多种气象要素预报数据；S20、将发电单元1、2、…、N以及气象要素1、2、…、M均看作节点，将全部N+M个节点两两相连形成复杂网络；S30、对复杂网络内任意2节点之间的边，采用因果分析方法确定其方向，采用互信息分析方法确定其权重，形成有向加权复杂网络；S40、取各节点对应的历史1年以上数据，采用注意力机制模型动态更新不同时刻下的有向加权复杂网络，形成有向加权动态复杂网络；S50、基于历史有向加权动态复杂网络数据建立并训练图神经网络预测模型，并通过输入各节点实时数据实现光伏功率短期预测。本发明所要解决的技术问题是提供一种基于多气象参数有向加权动态复杂网络化表征的光伏功率短期预测方法，解决现有场站单一预报源数据质量低造成光伏功率预测效果较差的问题。
-
公开(公告)号：CN116663926B
公开(公告)日：2024-08-20
申请号：CN202310639635.5
申请日：2023-05-31
Applicant: 国网北京市电力公司 , 国家电网有限公司 , 华北电力大学(保定)
IPC: G06Q10/0637 , G06Q10/0631 , G06Q10/04 , G06Q50/06 , H02J3/00
Abstract: 本发明属于电力负荷预测技术领域，具体公开了一种基线负荷估计结果修正方法、系统、设备及介质，本发明通过对回弹效应导致的负荷变化量和基线负荷估计结果偏差量进行计算，使用计算获得的结果进行神经网络训练，获得训练后的神经网络ANN架构，通过训练后的神经网络ANN架构对基线负荷估计结果进行修正，基于神经网络的需求响应基线负荷估计结果修正方法具有很强的适用性，适用于回弹效应对各类基线负荷估计方法影响偏差的修正。通过神经网络学习回弹效应对基线负荷估计影响的偏差，并使用获得的修正量修正基线负荷估计结果，有效的提升了基线负荷估计方法对应的精度，解决基线负荷估计结果出现偏差的问题。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.034 seconds)
