-
公开(公告)号：CN117494890A
公开(公告)日：2024-02-02
申请号：CN202311462631.0
申请日：2023-11-06
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滁州供电公司
Abstract: 本发明涉及电力功率预测技术领域，公开了一种ARIMA和DNN组合模型的区域超短期功率预测方法，包括以下步骤：S1收集电力系统历史功率数据和短期预测功率数据；S2对收集到的数据进行预处理；S3构建样本数据集并将预处理后的数据分为训练集和测试集；S4针对样本数据集，分别构建ARIMA和DNN模型；S5进行DNN模型训练和预测；S6计算预测时间点的合理权重；S7结合合理权重计算最终的超短期预测结果。本发明利用短期功率预测数据作为ARIMA的特征之一，进一步提升了ARIMA模型的稳定性和精度；提高了区域超短期功率预测的准确性和稳定性，能够更好地满足电力系统对功率预测的精度要求；有效解决了权重分配需要手动设置的弊端。
-
公开(公告)号：CN117150270A
公开(公告)日：2023-12-01
申请号：CN202311135962.3
申请日：2023-09-05
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滁州供电公司
Abstract: 本发明涉及环保技术领域，公开了基于小波变换的神经网络风电场超短期功率预测方法，包括以下步骤：S1数据采集和预处理：采集风电场的功率数据，并对采集的功率数据进行预处理，确保功率数据的准确性和一致性；S2对预处理后的功率数据进行小波变换：对预处理后的功率数据应用小波变换算法，将其转换为时域和频域的特征数据，从而得到低频数据和高频数据。本发明通过引入小波变换技术和神经网络模型，充分考虑了风电场功率的非线性和非平稳性特点，提高了预测的准确性，减少了误差；通过优化神经网络模型和算法，减少训练和预测时间的消耗，提高了模型的实时性，使预测结果更及时、更准确。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN117200205A
公开(公告)日：2023-12-08
申请号：CN202311163277.1
申请日：2023-09-11
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马鞍山供电公司
Abstract: 本发明涉及新能源短期功率预测技术领域，公开了基于深度学习的区域新能源短期功率预测方法，包括以下步骤：S1场站数据采集与预处理：采集区域内所有集中式风电场站和集中式光伏场站的实测功率数据、实测气象数据、预测气象数据以及实时容量数据，并对采集的数据进行预处理；S2区域预测模型建模：分别构建区域光伏预测模型和区域风电预测模型，其中基于光伏的预测模型选择总辐射和温度建模，基于风电的预测模型选择风速、风向和温度来建模。本发明基于深度学习的区域新能源短期功率预测方法具有较高的准确性、灵活性和可拓展性，能够为新能源发电提供可靠的短期功率预测，从而为电力系统的稳定运行和能源调度提供有益支持。
-
公开(公告)号：CN118839273A
公开(公告)日：2024-10-25
申请号：CN202410874536.X
申请日：2024-07-02
Applicant: 安徽立卓智能电网科技有限公司
IPC: G06F18/2433 , G06N3/0464 , G06F18/214
Abstract: 本发明涉及风电功率预测技术领域，公开了基于数据驱动的场站端轮毂预测风速的修正方法，包括以下步骤：S1获取数据集：获取场站历史数据和场站信息数据；S2数据预处理：对获取的场站历史数据和场站信息数据分别进行异常值判断；S3制作样本数据集：将异常值判断后的场站历史数据和场站信息数据制作成样本数据集。本发明综合考虑了风场的地形和风场布局情况，基于数据驱动分别对每一个风电机组的轮毂处风速进行了预测修正；同时引进深度学习CNN模型，结合各类风电特征的空间和时间相关性，有效地捕捉到风电数据中的空间和时间特征，从而提高了预测模型的准确性和泛化能力。
-
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。
-
-
-
-
-
-
Search Results
7
records
(took 0.054 seconds)
