-
公开(公告)号：CN116937566A
公开(公告)日：2023-10-24
申请号：CN202310918374.0
申请日：2023-07-25
Applicant: 广西电网有限责任公司 , 南方电网能源发展研究院有限责任公司
IPC: H02J3/00 , H02J3/38 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06Q10/04 , G06Q50/06
Abstract: 本申请涉及神经网络领域，特别是涉及一种风电功率多步预测方法、装置、计算机设备和存储介质，所述方法包括：获取待测风电场的历史风电负荷数据集，所述历史风电负荷数据集包括历史风电功率和历史天气特征；基于所述历史天气特征与所述历史风电功率的相关系数，选择所述历史天气特征中的目标天气特征；将所述历史风电功率和目标天气特征作为样本对CNN‑RNN‑LGBM模型进行训练，以优化所述CNN‑RNN‑LGBM模型的超参数，直到获得最优组合模型；基于所述待测风电场在目标时序段的风电负荷数据集，利用所述最优组合模型进行风电功率的多步预测。本发明提升风电功率的预测精度。
-
公开(公告)号：CN116777070A
公开(公告)日：2023-09-19
申请号：CN202310780590.3
申请日：2023-06-28
Applicant: 中国南方电网有限责任公司 , 南方电网能源发展研究院有限责任公司
IPC: G06Q10/04 , G06Q50/06 , G06F18/23 , G06F18/213
Abstract: 本申请涉及一种风能资源预测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取待预测区域在历史时间段内的多组气象数据；每组气象数据对应的时间区间的长度相同；获取多组气象数据中的两两气象数据之间的距离，基于距离确定每组气象数据的密度特征；基于距离和密度特征，对多组气象数据进行聚类，得到多个聚类簇；分别对各个聚类簇包含的气象数据进行特征提取处理，得到各个聚类簇的气象特征；基于各个聚类簇的气象特征，确定待预测区域在预测时间段内的风能资源信息。采用本方法，能够提升风能资源的预测结果的可靠性。
-
公开(公告)号：CN116777069A
公开(公告)日：2023-09-19
申请号：CN202310780398.4
申请日：2023-06-28
Applicant: 中国南方电网有限责任公司 , 南方电网能源发展研究院有限责任公司
Abstract: 本申请涉及一种考虑复杂地理因素的光伏电站的图特征网络选址方法。所述方法包括：获取目标区域的地图以及所述地图对应的地理信息；基于图神经网络对所述地图进行建模，得到所述目标区域的位置特征，以及将所述地理信息输入至预先训练的特征网络模型，得到所述目标区域的地理特征；将所述位置特征与所述地理特征的融合特征输入至预先训练的胶囊神经网络模型，得到所述目标区域的目标特征；根据所述目标特征，从所述目标区域中确定出光伏电站的目标位置。采用本方法能够提高光伏电站选址的准确性。
-
公开(公告)号：CN116681298A
公开(公告)日：2023-09-01
申请号：CN202310566154.6
申请日：2023-05-18
Applicant: 中国南方电网有限责任公司 , 南方电网能源发展研究院有限责任公司
IPC: G06Q10/0637 , G06Q50/06 , G06V20/13 , G06V10/30 , G06V10/774 , G06N20/00
Abstract: 本申请涉及一种风电场选址方法、装置、计算机设备、存储介质和产品。方法包括：根据待选址区域的待选址卫星地图图像和待选址地形地貌图像，对待选址区域进行划分，得到多个目标区域，各目标区域对应的地形地貌不同；针对每个目标区域，基于目标区域的目标卫星地图图像、目标地形地貌图像和目标历史气象数据，确定目标区域的第一风量数据；基于各目标区域的第一风量数据，确定风电场的选址结果。采用本方法能够提高风电场选址结果的精度。
-
公开(公告)号：CN116565851A
公开(公告)日：2023-08-08
申请号：CN202310558840.9
申请日：2023-05-17
Applicant: 广西电网有限责任公司 , 南方电网能源发展研究院有限责任公司
Abstract: 本申请涉及一种基于聚类算法的风电场功率预测方法、装置、计算机设备和存储介质，能够提高风电场功率预测效率。所述方法包括：对预先获取的风电场的历史出力数据时间序列进行分割，基于分割结果得到多个片段序列；对多个片段序列进行聚类，得到多个片段序列簇，并根据每个片段序列簇的簇心片段序列，得到典型出力数据时间序列；获取当前出力数据时间序列；当前出力时间数据序列包括与未来时间点邻近的多个历史序列样点和未来时间点的预测序列样点；基于当前出力数据时间序列与各个典型出力数据时间序列的比较结果，确定风电场在未来时间点的预测风电场功率。
-
Patent Agency Ranking
公开(公告)号：CN116029425A
公开(公告)日：2023-04-28
申请号：CN202211625305.2
申请日：2022-12-16
Applicant: 南方电网能源发展研究院有限责任公司
IPC: G06Q10/04 , G06Q50/06 , G06F16/2458
Abstract: 本申请涉及一种风机出力爬坡事件预测方法、装置和计算机设备，所述方法包括：获取目标风电场的多个历史风机出力数据和多个历史风速数据，以及目标风电场在预测时间段内的多个风速数据；根据多个历史风机出力数据，得到历史风机出力时间序列，以及根据多个历史风速数据，得到历史风速时间序列；通过训练完成的预测模型对历史风机出力时间序列、历史风速时间序列和多个风速数据进行处理，得到目标风电场在预测时间段内的风机出力差分曲线；基于风机出力差分曲线，确定目标风电场在预测时间段内的风电爬坡事件结果。采用本方法能够提前精准定位极端天气环境下可能出现的风电爬坡事件，改善未来新型电力系统调度运行面临的不确定性。
-
公开(公告)号：CN113315171B
公开(公告)日：2022-10-18
申请号：CN202110542136.5
申请日：2021-05-18
Applicant: 南方电网能源发展研究院有限责任公司
Abstract: 本申请涉及一种新能源消纳能力评估方法、装置、计算机设备和存储介质。所述方法包括：获取电力系统全年的日负荷；通过对所述日负荷进行聚类，得到所述电力系统的季节日负荷；通过对所述季节日负荷进行傅里叶分解，得到季节典型日负荷；根据所述季节典型日负荷和预设的日前调度模型，确定所述电力系统的新能源出力计划；所述新能源出力计划用于表征所述电力系统全年的新能源最大消纳量；根据所述新能源出力计划与所述电力系统全年用电量之间的比值，得到新能源消纳能力评估值。采用本方法能够评估电力系统在不同季节场景下的新能源消纳能力，使评估结果准确反映电力系统的实际消纳能力。
-
公开(公告)号：CN114117703A
公开(公告)日：2022-03-01
申请号：CN202111439095.3
申请日：2021-11-30
Applicant: 南方电网能源发展研究院有限责任公司 , 南方电网调峰调频发电有限公司
IPC: G06F30/18 , G06F30/20 , G06N7/00 , G06F111/04 , G06F111/08 , G06F113/04
Abstract: 本申请涉及基于交通网络和配电网络耦合的充电站配置方法、装置。所述方法包括：获取目标区域的交通网络数据；根据交通网络数据的车流量分析结果和预设的充电站排队模型，确定目标区域中针对待配置充电站的收益关联数据；基于交通网络约束信息和配电网络约束信息，以及收益关联数据，从候选充电站配置节点中确定目标充电站配置节点，得到目标充电站配置节点对应的充电站配置信息；目标充电站配置节点的收益值满足预设条件；充电站配置信息为针对目标区域的最优充电站配置信息。采用本方法能够对充电站规划配置进行优化，通过协同考虑交通网络和配电网络的多种约束条件，能够以最大化充电站总收益为目标，配置出最优的充电站位置和容量。
-
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：CN117613890B
公开(公告)日：2024-12-13
申请号：CN202311655387.X
申请日：2023-12-05
Applicant: 广西电网有限责任公司 , 南方电网能源发展研究院有限责任公司
IPC: H02J3/00 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06Q50/06
Abstract: 本申请涉及风功率预测技术领域，特别是涉及一种风功率预测方法、装置、计算机设备和存储介质。方法包括：获取历史风功率的时间序列数据，所述时间序列数据包含不同时间点的风功率值，分别训练极限学习机模型、长短时记忆神经网络模型和时间卷积网络模型；然后训练多目标预测模型；采用多目标哈里斯鹰算法，获取多目标预测模型的组合权值向量的帕累托最优解集；采用深度确定性策略梯度方法，根据帕累托最优解集，获取多目标预测模型中各模型的动态最优权值；根据多目标预测模型中的各模型及相应的动态最优权值，获取短期风功率的预测结果，可视化显示所述预测结果。采用本方法，能够提高对于短期风功率的预测结果的准确性和灵活性。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.071 seconds)
