-
公开(公告)号：CN118469750A
公开(公告)日：2024-08-09
申请号：CN202410644875.9
申请日：2024-05-23
Applicant: 广西电网有限责任公司南宁供电局
Inventor： 张珍 , 段博 , 陶丁涛 , 吴燕 , 覃栋 , 黎松龄 , 李瑾 , 李新强 , 李聪 , 黄冬燕 , 陈颖 , 姚显彬 , 吴舟舟 , 黄雯 , 吕仁周 , 莫冬媛 , 凌永祥
IPC: G06Q50/06 , G06Q50/26 , G06Q20/22 , G06Q30/0201
Abstract: 本发明公开了一种园区综合能源系统协同优化运行方法，涉及配电系统优化运行技术领域。包括：构建包括热电联产设备、燃气锅炉、风机、光伏、热泵、储能系统等六部分设备的下层P2P交易模型和分别考虑电力系统约束、热力系统约束的上层网络运行优化模型；基于分布式ADMM算法将P2P交易模型分解为微网联盟成本最小化问题及基于非对称议价的收益分配问题的两个子问题顺序求解；通过对IEEE‑33节点配网和23节点热网组成的区域综合能源系统算例进行分析验证可行性，得到最终优化运行方案。本发明能够满足系统运行安全约束条件下，最大限度促进产消者间的能源共享交易，实现园区综合能源系统运营商和产消者的运行成本最小化。
-
公开(公告)号：CN119474905A
公开(公告)日：2025-02-18
申请号：CN202411540938.2
申请日：2024-10-31
Applicant: 广西电网有限责任公司南宁供电局
IPC: G06F18/22 , G06F18/213 , G06F18/211 , G06N3/045 , G06N3/0442 , G06N3/084 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开了一种多场站光伏功率预测的耦合信息分离提取多任务学习方法，包括以下步骤：步骤S1：根据光伏电站的功率信息、气象新和地理位置信息分别计算功率相似度、计算气象相似度、地理位置相似度，通过综合相似度综合判断光伏电站之间的相关性，识别出相似的电站群体；步骤S2：构建耦合信息分离提取多任务学习预测模型；步骤3：构建耦合信息分离提取多任务学习预测模型的动态更新损失函数；步骤4：对耦合信息分离提取多任务学习预测模型的特定参数进行训练和选择。本发明通过构建专门提取各电站特有信息的任务专家网络，以及提取多个电站之间耦合信息的共享网络，可以将任务特有信息与耦合信息进行分离，提高预测模型的准确性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN119496117A
公开(公告)日：2025-02-21
申请号：CN202411540941.4
申请日：2024-10-31
Applicant: 广西电网有限责任公司南宁供电局
IPC: H02J3/00 , H02J3/38 , G06F30/27 , G06N3/048 , G06N3/084 , G06F18/214 , G06F18/21 , G06Q10/04 , G06Q50/06 , G06F113/04
Abstract: 本发明公开了一种平行结构和二次修正的日前光伏功率预测方法，包括以下步骤：步骤S1：对光伏历史功率数据和天气数据进行相关性分析；步骤S2：构建光伏功率平行预测模型；步骤S3：构建日前光伏功率预测修正模型；步骤S4：对光伏功率平行预测模型和日前光伏功率预测修正模型进行模型训练参数的设置；步骤S5：预测结果的处理，评价指标为MAPE、RMSE。本发明创新性地提出了一种基于历史负荷与天气信息并行结构，并结合二次预测修正的光伏功率预测方法。该方法通过分别深入挖掘历史功率数据和天气数据中的潜在有用信息，并对每个时间分辨率的初始预测值进行二次修正，显著提高了长预测周期下光伏发电功率的预测精度。
-
公开(公告)号：CN119482393A
公开(公告)日：2025-02-18
申请号：CN202411540949.0
申请日：2024-10-31
Applicant: 广西电网有限责任公司南宁供电局
IPC: H02J3/00 , H02J3/38 , G06N20/20 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N5/01 , G06F18/211 , G06Q50/06
Abstract: 本发明公开了基于自适应特征选择和自学习系统的混合驱动光伏功率预测方法，涉及预测领域。技术方案要点为：S1.收集光伏数据和预测处理；S2.光伏功率预测特征自适应选择；S3.构建面向光伏功率预测的物理模型和数据驱动模型；S4.将物理模型和数据驱动模型融合与优化，得到双驱动预测模型；S5.构建预测模型的自学习系统。本发明主要用于本发明通过实时数据流处理和增量学习算法，模型能够快速适应数据变化，显著提升光伏功率预测的准确性，减少误差。定期更新和误差监控机制确保模型在不同环境和条件下稳定运行，确保系统预测结果更符合实际应用场景。
-
公开(公告)号：CN119496118A
公开(公告)日：2025-02-21
申请号：CN202411540944.8
申请日：2024-10-31
Applicant: 广西电网有限责任公司南宁供电局
IPC: H02J3/00 , G06F18/15 , G06F18/213 , G06F18/22 , G06F18/214 , G06F18/21 , G06F18/2433 , G06N3/0464 , G06N3/084 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开了一种基于相关区域光伏功率相似性和卷积层特征提取的超短期光伏功率预测方法，包括以下步骤：步骤S1：对历史功率数据和天气数据进行预处理；步骤S2：对相关区域功率数据和本区域功率数据进行相关性分析；步骤S3：构建相关区域光伏功率预测模型；步骤S4：构建本区域光伏功率预测模型；步骤S5：设置模型相关训练参数；步骤S6：利用MAPE、RMSE、R2和MAE评价指标评估预测结果。本发明通过深入挖掘相关区域光伏功率中的相似性，提取潜在的有用信息，并利用卷积层进行数据特征提取，确保数据的有效性，防止数据冗余，从而显著提高了超短期光伏发电功率的预测精度。
-
公开(公告)号：CN118520411A
公开(公告)日：2024-08-20
申请号：CN202410534875.3
申请日：2024-04-29
Applicant: 广西电网有限责任公司南宁供电局
IPC: G06F18/25 , G06F18/214 , G06F18/22 , G06F18/23 , G06N3/0442 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094 , G06N3/096
Abstract: 本发明公开了一种数据‑知识融合驱动的少样本光伏功率集成预测方法，包括以下步骤：步骤S1：生成待预测光伏场站相关的大量历史数据；步骤S2：采用生成的待预测光伏场站的大量历史数据，对深度学习预测模型进行训练，建立第一个光伏发电预测模型；步骤S3：预测模型训练；步骤S4：将目标域具有的少量样本，输入基于源域训练好的预测模型，进行模型参数的微调和迁移，得到第二个光伏发电预测模型。步骤S5：基于光伏发电物理过程，建立光伏发电预测模型，得到第三个光伏发电预测模型。步骤S6：进行Stacking集成预测的训练和预测，输出最终的预测结果。本发明提升了少样本情况下的光伏发电功率预测精度。
-
公开(公告)号：CN118520315A
公开(公告)日：2024-08-20
申请号：CN202410534892.7
申请日：2024-04-29
Applicant: 广西电网有限责任公司南宁供电局
IPC: G06F18/23 , G06F18/22 , G06F18/214 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06N20/20
Abstract: 本发明公开了一种基于时空特征聚类的分布式光伏场站数据增强方法，包括以下步骤：步骤1、收集分布式光伏场站现有的历史量测数据；步骤2、搭建自编码器模型挖掘各分布式光伏场站的时序特征，设计能够实现该自编码器模型的编码器和解码器；步骤3、引入图卷积网络对自编码器进行改进，并用来挖掘场站间的空间特征；步骤4、将与待进行数据增强的场站属于同一类的其他场站数据作为步骤6的输入数据；步骤5、建立基于条件生成对抗网络的数据增强模型，将生成的数据作为步骤6模型的输入数据；步骤6、训练后的XGBoost得到的数据作为增强后的数据。本发明可以解决分布式光伏场站数据不足问题，为精准的光伏出力预测提供数据基础。
-
-
-
-
-
-
Search Results
7
records
(took 0.036 seconds)
