一种基于集成学习的可再生能源发电功率区间预测方法

    公开(公告)号:CN113487077B

    公开(公告)日:2024-07-12

    申请号:CN202110737405.3

    申请日:2021-06-30

    Abstract: 本发明公开了一种基于集成学习的可再生能源发电功率区间预测方法,包括以下步骤:选取合适的输入、输出变量,采集相关历史数据,进行数据预处理;将历史数据拆分为训练数据、校验数据;基于训练数据构建多个基学习器;基于训练数据以及校验数据,最优化新型综合性能评价指标来获取基学习器间的加权系数;综合基学习器的输出以及加权系数得到发电功率的预测区间。本发明充分利用极限学习机的快速学习性以及较强的泛化能力,有效的获得分位数回归模型,同时基于新型综合性能评价指标寻优得到的加权系数更为合理,更利于发挥集成学习的优势,从而得到更为精确的预测区间,为电网安全稳定运行提供有效的数据支撑。

    一种冰蓄冷空调系统的调度方法

    公开(公告)号:CN112032882A

    公开(公告)日:2020-12-04

    申请号:CN202010787753.7

    申请日:2020-08-07

    Abstract: 本发明提供了一种冰蓄冷空调系统的调度方法,包括:获取系统实时运行数据、负荷预测数据、设备运行检修计划数据以及系统设备参数;确定优化调度的边界条件;按照优化调度的边界条件,以调度时段内系统运行费用最低为目标,利用预先确定的优化调度模型进行优化调度计算,得到基载机组和双工况机组的逐时开机数量以及融冰量的逐时负载;根据优化调度结果,确定优化时段内的负荷等级;按照预设的设备启停调整策略,根据已确定的负荷等级,进行设备启停时段调整,以减少优化时段内的设备启停次数。本发明能够在满足各时段负荷需求的同时,降低系统当日整体运行费用,并且可减少设备启停次数,避免设备频繁启停导致系统波动。

    一种多变量系统两阶段在线辨识方法及系统

    公开(公告)号:CN114859724B

    公开(公告)日:2025-02-21

    申请号:CN202210499036.3

    申请日:2022-05-09

    Abstract: 一种多变量系统两阶段在线辨识方法及系统,方法包括:获取多变量系统中各控制量和各被控量的连续历史数据;采用CARMA模型构建数据样本;获取多变量系统中各控制量到各被控量的最佳纯滞后时间并建立最佳纯滞后CARMA模型;基于最佳纯滞后CARMA模型获得当各控制量分别做阶跃变化时各被控量的阶跃响应曲线;获取阶跃响应曲线的连续变化数据作为辨识样本,基于二阶纯滞后CARMA模型获取单变量系统中各控制量到任一被控量的最佳纯滞后时间并建立二阶最佳纯滞后CARMA模型;将二阶最佳纯滞后CARMA模型进行矩阵组合得到多变量系统辨识模型。本发明在确保模型精度的同时,对多变量模型进行解耦和简化,有助预测控制的实现。

    一种基于卡尔曼滤波观察器的广义预测控制方法及控制器

    公开(公告)号:CN115016247A

    公开(公告)日:2022-09-06

    申请号:CN202210446910.7

    申请日:2022-04-26

    Abstract: 本发明提供了一种基于卡尔曼滤波观察器的广义预测控制方法及控制器,根据预测控制模型、卡尔曼滤波初始参数、广义预测控制初始参数等信息对卡尔曼滤波模型和预测控制算法进行初始化;引入收缩因子对卡尔曼滤波参考模型精度进行修正;基于前一时刻控制输出和实测被控量对卡尔曼滤波模型输出进行观察,并更新卡尔曼滤波模型;用卡尔曼滤波模型观察输出替代实测被控量进行预测控制的偏差计算;基于被控量设定值和预测控制偏差进行广义预测控制计算,得到最终的控制量并下发给控制设备执行。可以有效抑制当模型失配时所导致的系统波动甚至震荡,减少被控量的动态超调,缩短控制收敛时间,使被控量动态过程曲线更加平缓,提高预测控制的稳定性。

Patent Agency Ranking