-
公开(公告)号:CN116307287A
公开(公告)日:2023-06-23
申请号:CN202310566222.9
申请日:2023-05-19
Applicant: 国网信息通信产业集团有限公司 , 四川中电启明星信息技术有限公司
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N20/20 , H02J3/00 , H02J3/38
Abstract: 本发明提供一种光伏发电有效时段的预测方法、系统及预测终端,涉及分布式新能源技术领域,收集获取预测区域内分布式光伏电站的数据信息,并进行归一化处理;建立具有权重的无向图来考虑分布式光伏电站之间的空间相关性;采用图卷积神经网络,确定每个电站的邻居电站集合;采用反向传播神经网络处理系统中的缺失值和异常值;基于系统中的分布式光伏电站的数据信息,进行四则运算,得到数据信息的运算后特征;利用集成学习策略建立预测模型,基于预测模型对发电有效时段执行预测进程。方法可以帮助能源管理人员更好地预测新能源发电的可用时间段,从而优化能源供应和使用计划,提高能源利用效率。
-
公开(公告)号:CN117952243A
公开(公告)日:2024-04-30
申请号:CN202311472263.8
申请日:2023-11-07
Applicant: 四川中电启明星信息技术有限公司 , 国网信息通信产业集团有限公司
Abstract: 本发明涉及光伏发电技术领域,具体地说,涉及基于特征模型的光伏系统调优方法、系统、设备及介质。基于特征模型的光伏系统调优方法,通过构建性能调优模型,对不同光伏板位姿下光伏系统发电性能进行分时模拟,从而更准确地确认符合要求的光伏板位姿参数,用于调节光伏板位姿,提高光伏系统的能源产出和经济性。
-
公开(公告)号:CN116307287B
公开(公告)日:2023-08-01
申请号:CN202310566222.9
申请日:2023-05-19
Applicant: 国网信息通信产业集团有限公司 , 四川中电启明星信息技术有限公司
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N20/20 , H02J3/00 , H02J3/38
Abstract: 本发明提供一种光伏发电有效时段的预测方法、系统及预测终端,涉及分布式新能源技术领域,收集获取预测区域内分布式光伏电站的数据信息,并进行归一化处理;建立具有权重的无向图来考虑分布式光伏电站之间的空间相关性;采用图卷积神经网络,确定每个电站的邻居电站集合;采用反向传播神经网络处理系统中的缺失值和异常值;基于系统中的分布式光伏电站的数据信息,进行四则运算,得到数据信息的运算后特征;利用集成学习策略建立预测模型,基于预测模型对发电有效时段执行预测进程。方法可以帮助能源管理人员更好地预测新能源发电的可用时间段,从而优化能源供应和使用计划,提高能源利用效率。
-
公开(公告)号:CN115207925A
公开(公告)日:2022-10-18
申请号:CN202211118935.0
申请日:2022-09-15
Applicant: 四川中电启明星信息技术有限公司 , 国网信息通信产业集团有限公司
Abstract: 本发明公开了分布式光伏发电智能管理系统,涉及光伏发电技术领域,解决了从外部天气环境内获取对应的光照条件,对后续的发电参数进行预测,此种预测方式会导致预测参数偏差过大的技术问题,管理中心通过天气数据获取端从大数据云端内获取天气数据,并将天气数据传输至管理中心内,管理中心内部的数据离散分区端对天气数据进行预处理,得到对应的预测功率参数,将预测功率参数输送至预测数据输出端内,通过预测数据输出端将所得到的预测功率参数输送至外部显示终端内,采用分段式功率预测的方式,同时不同的发电阶段对应不同的导向因子,便可提升功率预测的准确性,以此提升整个光伏发电的智能管理效果。
-
公开(公告)号:CN115081702A
公开(公告)日:2022-09-20
申请号:CN202210668260.0
申请日:2022-06-14
Applicant: 国网信息通信产业集团有限公司
Inventor: 李强 , 刘柱 , 李温静 , 高丽媛 , 刘玉民 , 黄飞虎 , 杨旭昕 , 董石磊 , 李天阳 , 赵红磊 , 明萌 , 尚忠玉 , 郭晶 , 赵志帆 , 张玲璐 , 胡娟 , 肖钧浩 , 孙静秀
Abstract: 本发明提供一种具有可解释特性的电力负荷预测方法、系统及终端机,涉及电力负荷预测技术领域,方法中,初始化三个因子:季节因子、趋势因子以及平滑因子;依次用S1、T1、I1分别表示;计算当前DeepES单元中三个因子在t+1时刻的状态;向下一个DeepES单元输出三个因子St+1、Tt+1、I t+1;重复执行直到第n个DeepES单元运行结束;基于最后一个DeepES单元输出的三个因子来计算预测值Y。在负荷预测中,构建具有可解释性的预测模型,能够让用户理解模型的推理过程,有助于增加对模型的可信度。
-
-
-
-