-
公开(公告)号：CN111667377A
公开(公告)日：2020-09-15
申请号：CN202010335770.7
申请日：2020-04-24
Applicant: 南方电网能源发展研究院有限责任公司
Abstract: 本发明公开了一种全自动用电量预测方法，包括：对历史用电量时间序列预处理，获得历史用电数据；采用Boosted HP滤波器对历史用电数据进行分解，获得趋势项和循环项；根据趋势项的数据确定Auto ARIMA模型的参数，以获得趋势项的预测模型；根据循环项的数据对seq2seq模型进行训练，以获得循环项的预测模型；将趋势项的预测模型的预测结果和循环项的预测模型的预测结果叠加，获得用电量预测模型；用电量预测模型用于预测用电量。本发明仅利用历史用电量数据本身，而不需要依赖外源数据；所采用的HP滤波器、Auto滤波器和seq2seq模型都可以预先设定参数或自适应学习参数，而不需要人为再根据数据来设置参数；本发明相较于传统模型在预测精度上有较大的提升，且使用方便。
-
公开(公告)号：CN111525577A
公开(公告)日：2020-08-11
申请号：CN202010334219.0
申请日：2020-04-24
Applicant: 南方电网能源发展研究院有限责任公司
IPC: H02J3/04
Abstract: 本发明公开了一种基于神经网络的远景220kV电网组网方法及系统，所述方法包括：将规划变电站500kV母线的短路电流、规划变电站主变压器阻抗、220kV片区的发电厂额定有功功率、220kV片区的发电厂接入电网的电压等级和规划变电站并列运行的主变压器台数共五个参数分别输入至预设BP神经网络模型；所述预设BP神经网络模型根据上述参数进行组网，并输出与组网方式对应的短路电流值；在所述短路电流值小于或等于最大预设短路电流时，将所述短路电流值对应的组网方式更新至可行组网方式库。本发明计算短路电流时无需构建详细电路模型，简化了工作流程，提高短路电流计算的效率和结果的准确性，可用于远景220kV网络组网规划。
-
公开(公告)号：CN111525577B
公开(公告)日：2020-12-01
申请号：CN202010334219.0
申请日：2020-04-24
Applicant: 南方电网能源发展研究院有限责任公司
IPC: H02J3/04
Abstract: 本发明公开了一种基于神经网络的远景220kV电网组网方法及系统，所述方法包括：将规划变电站500kV母线的短路电流、规划变电站主变压器阻抗、220kV片区的发电厂额定有功功率、220kV片区的发电厂接入电网的电压等级和规划变电站并列运行的主变压器台数共五个参数分别输入至预设BP神经网络模型；所述预设BP神经网络模型根据上述参数进行组网，并输出与组网方式对应的短路电流值；在所述短路电流值小于或等于最大预设短路电流时，将所述短路电流值对应的组网方式更新至可行组网方式库。本发明计算短路电流时无需构建详细电路模型，简化了工作流程，提高短路电流计算的效率和结果的准确性，可用于远景220kV网络组网规划。
-
公开(公告)号：CN111667377B
公开(公告)日：2021-03-09
申请号：CN202010335770.7
申请日：2020-04-24
Applicant: 南方电网能源发展研究院有限责任公司
Abstract: 本发明公开了一种全自动用电量预测方法，包括：对历史用电量时间序列预处理，获得历史用电数据；采用Boosted HP滤波器对历史用电数据进行分解，获得趋势项和循环项；根据趋势项的数据确定Auto ARIMA模型的参数，以获得趋势项的预测模型；根据循环项的数据对seq2seq模型进行训练，以获得循环项的预测模型；将趋势项的预测模型的预测结果和循环项的预测模型的预测结果叠加，获得用电量预测模型；用电量预测模型用于预测用电量。本发明仅利用历史用电量数据本身，而不需要依赖外源数据；所采用的HP滤波器、Auto滤波器和seq2seq模型都可以预先设定参数或自适应学习参数，而不需要人为再根据数据来设置参数；本发明相较于传统模型在预测精度上有较大的提升，且使用方便。
-
-
-
Search Results
4
records
(took 0.04 seconds)
