-
公开(公告)号:CN118739258A
公开(公告)日:2024-10-01
申请号:CN202410726724.8
申请日:2024-06-06
Applicant: 国网安徽省电力有限公司电力科学研究院 , 安徽立卓智能电网科技有限公司
IPC: H02J3/00 , G06F18/15 , G06F18/214 , G06F18/21 , G06F18/2433 , G06F18/25 , G06N3/0464 , G06N3/0985 , G06N3/048
Abstract: 本发明涉及风电功率预测技术领域,公开了基于CNN模型的超短期区域风电功率预测方法,包括以下步骤:S1数据采集与预处理:采集区域内风电场站的原始数据,对原始数据进行清洗、归一化预处理操作,并生成样本数据集;S2进行CNN模型构建:CNN模型包括输入层、特征变换层、连接层、全连接层和输出层。本发明综合考虑了区域中主要风电场站的历史功率、历史容量、历史气象数据,避免了传统风电预测只考虑区域总加历史功率所带来的模型缺陷问题。引进深度学习CNN模型,结合风电特征的空间和时间相关性,可以有效地捕捉到风电数据中的空间和时间相关性,从而提高了预测模型的准确性和泛化能力。
-
公开(公告)号:CN117578425A
公开(公告)日:2024-02-20
申请号:CN202311561590.0
申请日:2023-11-22
Applicant: 安徽立卓智能电网科技有限公司 , 国网安徽省电力有限公司
Abstract: 本发明涉及功率预测技术领域,公开了一种极端天气情况下的区域功率预测修正方法,包括以下步骤:S1实测数据获取和筛选:采集发电站的功率实测数据、天气数据和功率预测数据,并对采集的数据进行筛选;S2实测数据预处理:将采集的电站的功率实测数据、天气数据和功率预测数据进行时间匹配,生成新的DataFrame;S3极端天气划分:对采集的天气数据内容按照天气类型进行条件判定,从而获得极端天气类型数据。本发明具有准确性、灵活性和实时性等优势;通过对极端天气进行分类和利用RF模型修正预测结果,可以提高新能源功率预测的准确性;这种方法对于电力系统的可靠运行、能源利用效率的提高以及电力市场的合理运行具有重要意义。
-
公开(公告)号:CN117454129A
公开(公告)日:2024-01-26
申请号:CN202311494484.5
申请日:2023-11-10
Applicant: 安徽立卓智能电网科技有限公司 , 国网安徽省电力有限公司
IPC: G06F18/21 , H02J3/00 , H02J3/06 , H02J3/38 , G06F18/15 , G06F18/22 , G06F18/23 , G06F17/18 , G06F17/16 , G06Q50/06
Abstract: 本发明涉及光伏电站的短期概率预测技术领域,公开了一种基于残差双聚类的光伏电站短期预测置信区间计算方法,包括以下步骤:S1获取历史短期预测数据和实测数据,并对获取的数据进行清洗和匹配;S2计算短期预测数据和实测数据的残差并将计算所得的残差作为原始矩阵;S3构造基于时间段和发电功率容量比的索引矩阵;S4获取残差数组按照索引矩阵的条件和基因双聚类,得出光伏电站不同运行工况下的双聚类的各个预测残差子矩阵;S5计算各残差子矩阵的均值和标准差。本发明能够合理调配电网资源,有益于光伏电站的调护和维修,提升光伏电站的总发电量和容量系数,提高光伏电站运行维护成本,提高光伏电站的输出功率利用率。
-
-