-
公开(公告)号：CN119944670A
公开(公告)日：2025-05-06
申请号：CN202510413593.2
申请日：2025-04-03
Applicant: 南京师范大学
IPC: H02J3/00 , G06F18/23213 , G06F18/2337 , G06F18/211 , G06F18/213 , G06N3/0442 , G06N3/0455 , G06Q50/06 , G06F123/02
Abstract: 本发明公开了一种基于时空特征融合的短期电力负荷预测方法，包括以下步骤：构建特征数据库；识别并剔除异常值，填补缺失值，采用Z‑score方法对数据进行标准化处理；采用Canopy粗聚类算法确定聚类个数C和集群S，作为KFCM算法的初始参数；通过C‑KFCM聚类计算隶属度矩阵、噪声点及聚类中心，完成数据聚类；通过CEEMDAN算法对聚类后的数据进行分解，依次提取IMF分量及残差信号，直至余量信号无法被进一步分解；通过嵌入层将静态特征和时变特征转化为向量；利用门控残差网络GRN和变量选择网络动态选择关键特征；解码器结合编码器输出未来已知特征预测负荷值；本发明为电力系统优化调度提供有力支持。
-
公开(公告)号：CN117810997A
公开(公告)日：2024-04-02
申请号：CN202410235440.9
申请日：2024-03-01
Applicant: 南京师范大学 , 江苏省电力试验研究院有限公司 , 国电南瑞科技股份有限公司
IPC: H02J3/00 , G06F18/213 , G06N3/0464 , G06F18/22 , G06F18/23 , G06Q50/06 , H02J3/38
Abstract: 本发明公开了一种基于时空相关性的短期风电功率预测方法，步骤如下：获取某区域风电场的历史功率及待测风电场影响因子的历史数据，建立特征数据库；使用t分布随机近邻嵌入算法在保留数据相似性的同时对数据进行降维；利用CNN对处理后的风电数据进行局部特征提取；使用主要架构为编码器‑解码器的FEDformer模型，使用编码器中的MOE模块分解输入信号，FEB模块加权，使用解码器中的FEA模块对信号执行交叉注意操作，提取信号中的相关性和相似性，实现模型的自适应学习和预测，得到最终的预测结果。本发明能够为平衡系统电力供应和负荷需求提供基础，防止系统因风电接入电网发生故障，提高电力系统的稳定性。
-
公开(公告)号：CN117810997B
公开(公告)日：2024-06-28
申请号：CN202410235440.9
申请日：2024-03-01
Applicant: 南京师范大学 , 江苏省电力试验研究院有限公司 , 国电南瑞科技股份有限公司
IPC: H02J3/00 , G06F18/213 , G06N3/0464 , G06F18/22 , G06F18/23 , G06Q50/06 , H02J3/38
Abstract: 本发明公开了一种基于时空相关性的短期风电功率预测方法，步骤如下：获取某区域风电场的历史功率及待测风电场影响因子的历史数据，建立特征数据库；使用t分布随机近邻嵌入算法在保留数据相似性的同时对数据进行降维；利用CNN对处理后的风电数据进行局部特征提取；使用主要架构为编码器‑解码器的FEDformer模型，使用编码器中的MOE模块分解输入信号，FEB模块加权，使用解码器中的FEA模块对信号执行交叉注意操作，提取信号中的相关性和相似性，实现模型的自适应学习和预测，得到最终的预测结果。本发明能够为平衡系统电力供应和负荷需求提供基础，防止系统因风电接入电网发生故障，提高电力系统的稳定性。
-
-
Search Results
3
records
(took 0.018 seconds)
