|
搜索
搜 索
高等教育领域数字化综合服务平台
地区电力负荷预测系统及气象与电力负荷关联性规律研究
根据地区电力部门SCADA系统的电力负荷监测数据与气象部门提供的气象基本要素的日监测数据，采用关联分析理论，对电力负荷主要受气象条件影响的一些时段，进行二者之间的关联性规律的研究，并建立起科学实用的关联模型，为电力负荷的准确预测，提供可供参考的理论依据。 随着电力公司模拟交易市场，由试运行阶段到实用阶段，其中一个关键的技术问题就是准确地做好电力负荷预测。众所周知，电力负荷的变化，受诸多因素的影响，但在每年的某些时段，负荷主要受气象条件的影响。因此，掌握这些时段的负荷与其相关联性规律，对系统调度及负荷管理有着非常重要的现实意义。
北京交通大学
2021-04-13
一种水电站负荷区间预测方法
本发明公开了一种水电站负荷区间预测方法，充分利用历史负荷数据，通过计算待预测日已知时刻负荷序列与各历史日实际负荷序列的线形差异度获得待预测日的相似日集合，根据待预测日的相似日进行待预测日点预测，再通过对大量历史负荷预测误差样本进行分析，得出未来负荷可能取值的概率性区间结果。根据区间预测结果，水电站决策人员在进行生产计划、实时调度等工作时能够更好地认识到未来负荷可能存在的不确定性和面临的风险因素，从而及时作出更为合理的决策，并为水电站实时负荷分配提供依据。
华中科技大学
2021-04-14
一种电力线通信系统的噪声预测方法
成果描述：本发明申请要解决的问题是，改进预测技术，提高预测准确度。本专利利用高阶马尔科夫模型的原理提出HM-gMTD模型的一种改进，即高阶HM-gMTD模型，并通过EM算法给出相应的参数估计方法和相应的计算方法，并能够快速进行参数估计，以提高模型预测的准确度。市场前景分析：预测模型的发展在人类的经济生活方面发挥着重要的作用，尤其是马尔科夫模型，几乎在各个领域都有着非常广泛的应用。本发明着重混合转移分布模型与高阶隐马尔科夫模型的巧妙结合，构造出高阶HM-gMTD模型，然后运用EM算法，对新模型实现了主要参数的求解。最后为了衡量一个模型的好坏和对不同的模型进行比较，我们选择准则函数。模型比较的最佳准则函数，既考虑到模型对原始数据的拟合程度，又兼顾模型中所包含的待定参数的个数，并且对二者做出合理的权衡。与同类成果相比的优势分析：本发明主要是针对HM-gMTD模型的进一步改进，提出一个高阶HM-gMTD模型，使其在降低计算的复杂度的同时，提高预测的准确性。
电子科技大学
2021-04-10
一种电力线通信系统的噪声预测方法
本发明申请要解决的问题是，改进预测技术，提高预测准确度。本专利利用高阶马尔科夫模型的原理提出HM-gMTD模型的一种改进，即高阶HM-gMTD模型，并通过EM算法给出相应的参数估计方法和相应的计算方法，并能够快速进行参数估计，以提高模型预测的准确度。
电子科技大学
2015-01-14
智能电网云-端协同非侵入式电力负荷监测技术
"智能电网已经成为21世纪全球能源的新战略。在其需求侧，深入至电器的用户用电行为精细化分析对推动全社会节能减排和电力系统源/网/荷协调优化意义重大。与在每个电器上分别安装量测传感器的方法不同，非侵入式电力负荷监测技术仅通过分析用户供电入口的负荷总量数据，便能获取各电器的用电信息，具有成本低、实施容易和用户易接受等特点。 针对非侵入式电力负荷监测技术实用化所面临的各种挑战，过去十多年里，中国工程院院士、天津大学余贻鑫教授领导的研发团队从技术基础理论和工程实施方案两方面开展了深入系统的研究，取得了一系列开创性成果：（1）创立了一系列非侵入式电力负荷监测新原理和方法，形成了多种方法融合互补的非侵入式电力负荷监测方法体系，突破了对小功率和功率连续变化型电器可靠检测的瓶颈，准确度明显优于国际同类产品；（2）首创了一整套用于非侵入式电力负荷监测的完全无监督电器自适应建模方法，解决了陌生场景中电器准确建模的技术难题，实现了无需人工干预的电器负荷印记库全自动建立和维护；（3）首创了云—端协同非侵入式电力负荷监测系统解决方案，研发了可推广应用的硬件装置（智能用电分析仪产品）和软件系统
天津大学
2021-04-10
一种多级变电站的短期负荷预测方法
本发明提供了一种多级变电站的短期负荷预测方法，包括获取 n 级变电站的历史数据，并对历史数据进行预处理；对预处理后的历 史数据进行处理，获得影响第 n 级变电站负荷的主要因素；建立预测 模型，并根据待预测日的第 n 级变电站的气象数据以及预测模型获得 第 n 级变电站任意时刻 t 的负荷预测结果；根据变电站和线路的参数 计算潮流获得第n-k+1级变电站中各个变电站和第n-k级变电站中各个 变电站之间的功率损耗；根据历史负荷和气象数据获得第 n 级变电站 任意时刻 t 的负荷预测结果；根据第 n 级变
华中科技大学
2021-04-14
一种基于光伏预测误差模糊性的电力系统调度方法
本发明涉及一种基于光伏预测误差模糊性的电力系统调度方法。步骤：本发明将获取光伏预测出力 和实测出力的历史统计数据，及气象预测信息，估计未来一天光伏预测误差的概率分布参数。针对光伏 预测误差的不确定性，引入模糊理论，并利用信息熵转换法将光伏预测误差随机变量转换为光伏预测误 差模糊变量。根据光伏功率短期预测的结果，并考虑光伏预测误差的模糊性，建立含光伏发电的模糊机 会约束调度模型。将所建立的模型中含有模糊变量的约束条件转化为清晰等价类。最后利用 C
武汉大学
2021-04-14
基于深度学习的光伏并网系统电能质量预测及调控策略研究
本成果围绕光伏并网系统电能质量展开。基于深度学习算法，研究谐波等电能质量指标变化规律，运用特征提取技术处理时序数据，实现电能质量预测。研发基于态势感知的电能质量调控装置，总谐波补偿率不小于 90%，补偿次数 2 - 50 次。成果形式包括研究报告、调控装置示范应用，申请发明专利 3 项，发表论文 3 篇。应用场景涵盖光伏电站、配电网等，可提升电网可靠性与经济性，减少设备损耗、优化调控策略、降低弃光率，为新能源消纳提供支撑。
沈阳农业大学
2025-05-21
基于函数型非参数回归的中长期典型日负荷曲线预测方法
本发明公开了一种基于函数型非参数回归的中长期典型日负荷曲线预测方法，根据已有的历史典型 日负荷曲线，基于函数型数据分析理论和非参数核密度估计方法，建立函数型非参数回归预测模型;考 虑待预测典型日的日负荷率和最小负荷率，建立二次规划模型对函数型非参数回归预测模型的预测曲线 进行修正，最终得到满足待预测典型日负荷特性指标要求的预测曲线。以中国某省级电网和美国 PJM 电 力公司的典型日负荷数据为基础的仿真算例验证了所提方法简单实用，预测结果准确。本发明具有良好 的推广价值和应用前景。
武汉大学
2021-04-14
水质预测方法及系统
本发明提供一种水质预测方法及系统，所述方法使用ARIMA自回归积分滑动平均模型与BP神经网络相结合的方法对水质时间序列数据的预测。本发明所述方案可以对待预测水域大量水质数据进行预测，具有预测范围大、精度高和速度快的特点，便于多水源监管、水质预警、水污染治理。
中国农业大学
2021-04-11