CN113408795A - 一种基于灰色理论的电力负荷预测***及其方法 - Google Patents
一种基于灰色理论的电力负荷预测***及其方法 Download PDFInfo
- Publication number
- CN113408795A CN113408795A CN202110620523.6A CN202110620523A CN113408795A CN 113408795 A CN113408795 A CN 113408795A CN 202110620523 A CN202110620523 A CN 202110620523A CN 113408795 A CN113408795 A CN 113408795A
- Authority
- CN
- China
- Prior art keywords
- data
- power load
- grey
- predicted value
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000007405 data analysis Methods 0.000 claims abstract description 45
- 238000004458 analytical method Methods 0.000 claims abstract description 44
- 238000012821 model calculation Methods 0.000 claims abstract description 6
- 238000007781 pre-processing Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 14
- 238000013500 data storage Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 8
- 102000003712 Complement factor B Human genes 0.000 claims description 6
- 108090000056 Complement factor B Proteins 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013277 forecasting method Methods 0.000 claims 2
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000035508 accumulation Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于灰色理论的电力负荷预测***及其方法,包括电网数据采集模块、数据分析模块和数据显示模块,所述电网数据采集模块和数据分析模块通信连接,所述数据分析模块和数据显示模块通信连接。本发明通过电网数据采集模块采集设定区域电网中各用户的用电负荷数据,将该用电负荷数据发送给数据分析模块,利用数据分析模块建立电力负荷预测的灰色理论模型,接收电网数据采集模块发送的用电负荷数据和影响因素并输入灰色理论模型,进行模型计算,得到预测值,并对该预测值进行精确度分析,得到分析结果,从而降低了数据质量造成的精度偏离问题,提高了对于历史负荷序列预测效果。
Description
技术领域
本发明涉及电力负荷预测技术领域,具体是一种基于灰色理论的电力负荷预测***及其方法。
背景技术
电力负荷预测是电力***规划和电网运行的重要内容、前提和基础。在国家大力倡导节能环保以节约现有能源消耗量的情势下,电力负荷预测的准确性关系到整个电网企业的经济、高效运行以及整个发电电网的安全运行,即当前的形势对于电力负荷预测的精度提出了更高标准的要求。
目前常用的短期负荷预测传统方法有以时间序列法、回归分析法为代表的经典预测法,以专家***法、神经网络、模糊逻辑方法为代表的人工智能方法。由于电力负荷变化过程是一个高度复杂的非线性过程,传统方法难以建立有效的数学模型,致使预测结果精度不高
因此,针对以上现状,迫切需要开发一种基于灰色理论的电力负荷预测***及其方法,以克服当前实际应用中的不足。
发明内容
本发明的目的在于提供一种基于灰色理论的电力负荷预测***及其方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于灰色理论的电力负荷预测***,包括电网数据采集模块、数据分析模块和数据显示模块,所述电网数据采集模块和数据分析模块通信连接,所述数据分析模块和数据显示模块通信连接,其中:
电网数据采集模块,用于采集设定区域电网中各用户的用电负荷数据,将该用电负荷数据发送给数据分析模块;用于输入设定设定影响电力负荷预测的影响因素,将该影响因素发送给数据分析模块;
数据分析模块,用于建立电力负荷预测的灰色理论模型,接收电网数据采集模块发送的用电负荷数据和影响因素并输入灰色理论模型,进行模型计算,得到预测值,并对该预测值进行精确度分析,得到分析结果;将预测值和分析结果发送给数据显示模块;
数据显示模块,用于接收数据分析模块发送的预测值和分析结果,并进行显示。
作为本发明进一步的方案:所述电网数据采集模块包括数据采集端、数据存储端、数据预处理端、数据发送端和影响因素设定端。
作为本发明进一步的方案:所述数据采集端和数据存储端电性连接,所述数据存储端与数据预处理端电性连接,所述数据预处理端和影响因素设定端均与数据发送端电性连接。
作为本发明进一步的方案:所述数据分析模块包括数据接收端、模型建立端、数据分析端、精确度分析端和数据传输端。
作为本发明进一步的方案:所述数据接收端和模型建立端均与数据分析端电性连接,所述数据分析端与精确度分析端电性连接,所述精确度分析端与数据传输端电性连接。
作为本发明进一步的方案:还包括有远程监测平台,所述远程监测平台与数据显示模块、电网数据采集模块电性连接。
作为本发明进一步的方案:还包括有电网调控平台,所述电网调控平台与所述数据显示模块电性连接。
一种基于灰色理论的电力负荷预测方法,包括以下步骤:
S001、采集设定区域电网中各用户的用电负荷数据,存入用电负荷数据库,并对该用电负荷数据进行预处理;
S002、设定影响电力负荷预测的影响因素,将影响因素分为主要影响因素A和次要影响因素B;
S003、将预处理后的用电负荷数据和主要影响因素S作为模型变量输入灰色理论模型,对该灰色理论模型进行计算,得到预测值,对该预测值进行精确度分析,得到分析结果;
S004、分析结果满足精确度设定范围时,输出步骤S003的预测值,分析结果不满足精确度设定范围时,进行步骤S005;
S005、将预处理后的用电负荷数据、主要影响因素A和次要影响因素B作为模型变量输入灰色理论模型,对该灰色理论模型进行计算,得到预测值
作为本发明进一步的方案:步骤S002中,影响电力负荷预测的影响因素包括时间数据、气象数据和环境数据。
作为本发明进一步的方案:还包括有步骤:计算得到预测值后,将该预测值进行显示,并将该预测值发送给电网调控平台,由电网调控平台进行电网调控。
与现有技术相比,本发明的有益效果是:本发明通过电网数据采集模块采集设定区域电网中各用户的用电负荷数据,将该用电负荷数据发送给数据分析模块,利用数据分析模块建立电力负荷预测的灰色理论模型,接收电网数据采集模块发送的用电负荷数据和影响因素并输入灰色理论模型,进行模型计算,得到预测值,并对该预测值进行精确度分析,得到分析结果,从而降低了数据质量造成的精度偏离问题,提高了对于历史负荷序列预测效果。
附图说明
图1为基于灰色理论的电力负荷预测***的结构框图。
图2为基于灰色理论的电力负荷预测***中电网数据采集模块的结构框图。
图3为基于灰色理论的电力负荷预测***中数据分析模块的结构框图。
图4为基于灰色理论的电力负荷预测方法的流程图。
具体实施方式
下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
下面详细描述本专利的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本专利,而不能理解为对本专利的限制。
实施例1
请参阅图1~3,本发明实施例中,一种基于灰色理论的电力负荷预测***,包括包括电网数据采集模块1、数据分析模块2和数据显示模块3,所述电网数据采集模块1和数据分析模块2通信连接,所述数据分析模块2和数据显示模块3通信连接,其中:
电网数据采集模块1,用于采集设定区域电网中各用户的用电负荷数据,将该用电负荷数据发送给数据分析模块2;用于输入设定设定影响电力负荷预测的影响因素,将该影响因素发送给数据分析模块2;
数据分析模块2,用于建立电力负荷预测的灰色理论模型,接收电网数据采集模块1发送的用电负荷数据和影响因素并输入灰色理论模型,进行模型计算,得到预测值,并对该预测值进行精确度分析,得到分析结果;将预测值和分析结果发送给数据显示模块3;
数据显示模块3,用于接收数据分析模块2发送的预测值和分析结果,并进行显示。
需要说明的是,在本发明实施例中,所述灰色理论模型的建立方法为:
(1)将用电负荷数据和影响因素作为模型变量n,设定模型的原始序列为:
x(0)(t)={x(0)(1),x(0)(2),...,x(0)(n)};
(2)对x(0)作累计相加得:
x(1)(t)={x(1)(1),x(1)(2),...,x(1)(n)};
(3)以z(1)(t)为x(1)(k)的紧邻均值生成序列:
z(1)(t)={z(1)(1),z(1)(2),...,z(1)(n)};
(4)将灰色微分方程与生成序列累加得到预测模型:
X^(0)(t+1)={X(0)(1)-b/a}e-at+b/a。
在本发明实施例中,所述电网数据采集模块1包括数据采集端11、数据存储端12、数据预处理端13、数据发送端14和影响因素设定端15;
在本发明实施例中,所述数据采集端11和数据存储端12电性连接,所述数据存储端12与数据预处理端13电性连接,所述数据预处理端13和影响因素设定端15均与数据发送端14电性连接;
在本发明实施例中,所述数据分析模块2包括数据接收端21、模型建立端22、数据分析端23、精确度分析端24和数据传输端25;
在本发明实施例中,所述数据接收端21和模型建立端22均与数据分析端23电性连接,所述数据分析端23与精确度分析端24电性连接,所述精确度分析端24与数据传输端25电性连接。
在本发明又一实施例中,还包括有远程监测平台4,所述远程监测平台4与数据显示模块3、电网数据采集模块1电性连接;
在本发明又一实施例中,还包括有电网调控平台5,所述电网调控平台5与所述数据显示模块3电性连接。
实施例2
请参阅图1~3,本发明实施例中,一种基于灰色理论的电力负荷预测***,包括包括电网数据采集模块1、数据分析模块2和数据显示模块3,所述电网数据采集模块1和数据分析模块2通信连接,所述数据分析模块2和数据显示模块3通信连接,其中:
电网数据采集模块1,用于采集设定区域电网中各用户的用电负荷数据,将该用电负荷数据发送给数据分析模块2;用于输入设定设定影响电力负荷预测的影响因素,将该影响因素发送给数据分析模块2;
数据分析模块2,用于建立电力负荷预测的灰色理论模型,接收电网数据采集模块1发送的用电负荷数据和影响因素并输入灰色理论模型,进行模型计算,得到预测值,并对该预测值进行精确度分析,得到分析结果;将预测值和分析结果发送给数据显示模块3;
数据显示模块3,用于接收数据分析模块2发送的预测值和分析结果,并进行显示。
需要说明的是,在本发明实施例中,所述灰色理论模型的建立方法为:
(1)将用电负荷数据和影响因素作为模型变量n,设定模型的原始序列为:
x(0)(t)={x(0)(1),x(0)(2),...,x(0)(n)};
(2)对x(0)作累计相加得:
x(1)(t)={x(1)(1),x(1)(2),...,x(1)(n)};
(3)以z(1)(t)为x(1)(k)的紧邻均值生成序列:
z(1)(t)={z(1)(1),z(1)(2),...,z(1)(n)};
(4)将灰色微分方程与生成序列累加得到预测模型:
X∧(0)(t+1)={X(0)(1)-b/a}e-at+b/a。
在本发明实施例中,所述电网数据采集模块1包括数据采集端11、数据存储端12、数据预处理端13、数据发送端14和影响因素设定端15;
在本发明实施例中,所述数据采集端11和数据存储端12电性连接,所述数据存储端12与数据预处理端13电性连接,所述数据预处理端13和影响因素设定端15均与数据发送端14电性连接;
在本发明实施例中,所述数据分析模块2包括数据接收端21、模型建立端22、数据分析端23、精确度分析端24和数据传输端25;
在本发明实施例中,所述数据接收端21和模型建立端22均与数据分析端23电性连接,所述数据分析端23与精确度分析端24电性连接,所述精确度分析端24与数据传输端25电性连接。
在本发明又一实施例中,还包括有远程监测平台4,所述远程监测平台4与数据显示模块3、电网数据采集模块1电性连接;
在本发明又一实施例中,还包括有电网调控平台5,所述电网调控平台5与所述数据显示模块3电性连接。
请参阅图4,一种基于灰色理论的电力负荷预测方法,包括以下步骤:
S001、采集设定区域电网中各用户的用电负荷数据,存入用电负荷数据库,并对该用电负荷数据进行预处理;
S002、设定影响电力负荷预测的影响因素,将影响因素分为主要影响因素A和次要影响因素B;
S003、将预处理后的用电负荷数据和主要影响因素S作为模型变量输入灰色理论模型,对该灰色理论模型进行计算,得到预测值,对该预测值进行精确度分析,得到分析结果;
S004、分析结果满足精确度设定范围时,输出步骤S003的预测值,分析结果不满足精确度设定范围时,进行步骤S005;
S005、将预处理后的用电负荷数据、主要影响因素A和次要影响因素B作为模型变量输入灰色理论模型,对该灰色理论模型进行计算,得到预测值。
在本发明实施例步骤S002中,影响电力负荷预测的影响因素包括时间数据、气象数据和环境数据;
在本发明又一实施例中,还包括有步骤:计算得到预测值后,将该预测值进行显示,并将该预测值发送给电网调控平台5,由电网调控平台5进行电网调控。
以上的仅是本发明的优选实施方式,应当指出,对于本领域的技术人员来说,在不脱离本发明构思的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。
Claims (10)
1.一种基于灰色理论的电力负荷预测***及其方法,其特征在于,包括电网数据采集模块、数据分析模块和数据显示模块,所述电网数据采集模块和数据分析模块通信连接,所述数据分析模块和数据显示模块通信连接,其中:
电网数据采集模块,用于采集设定区域电网中各用户的用电负荷数据,将该用电负荷数据发送给数据分析模块;用于输入设定设定影响电力负荷预测的影响因素,将该影响因素发送给数据分析模块;
数据分析模块,用于建立电力负荷预测的灰色理论模型,接收电网数据采集模块发送的用电负荷数据和影响因素并输入灰色理论模型,进行模型计算,得到预测值,并对该预测值进行精确度分析,得到分析结果;将预测值和分析结果发送给数据显示模块;
数据显示模块,用于接收数据分析模块发送的预测值和分析结果,并进行显示。
2.根据权利要求1所述的基于灰色理论的电力负荷预测***及其方法,其特征在于,所述电网数据采集模块包括数据采集端、数据存储端、数据预处理端、数据发送端和影响因素设定端。
3.根据权利要求2所述的基于灰色理论的电力负荷预测***及其方法,其特征在于,所述数据采集端和数据存储端电性连接,所述数据存储端与数据预处理端电性连接,所述数据预处理端和影响因素设定端均与数据发送端电性连接。
4.根据权利要求1所述的基于灰色理论的电力负荷预测***及其方法,其特征在于,所述数据分析模块包括数据接收端、模型建立端、数据分析端、精确度分析端和数据传输端。
5.根据权利要求4所述的基于灰色理论的电力负荷预测***及其方法,其特征在于,所述数据接收端和模型建立端均与数据分析端电性连接,所述数据分析端与精确度分析端电性连接,所述精确度分析端与数据传输端电性连接。
6.根据权利要求1所述的基于灰色理论的电力负荷预测***及其方法,其特征在于,还包括有远程监测平台,所述远程监测平台与数据显示模块、电网数据采集模块电性连接。
7.根据权利要求6所述的基于灰色理论的电力负荷预测***及其方法,其特征在于,还包括有电网调控平台,所述电网调控平台与所述数据显示模块电性连接。
8.一种如权利要求1-7任一所述的基于灰色理论的电力负荷预测***的方法,其特征在于,包括以下步骤:
S001、采集设定区域电网中各用户的用电负荷数据,存入用电负荷数据库,并对该用电负荷数据进行预处理;
S002、设定影响电力负荷预测的影响因素,将影响因素分为主要影响因素A和次要影响因素B;
S003、将预处理后的用电负荷数据和主要影响因素S作为模型变量输入灰色理论模型,对该灰色理论模型进行计算,得到预测值,对该预测值进行精确度分析,得到分析结果;
S004、分析结果满足精确度设定范围时,输出步骤S003的预测值,分析结果不满足精确度设定范围时,进行步骤S005;
S005、将预处理后的用电负荷数据、主要影响因素A和次要影响因素B作为模型变量输入灰色理论模型,对该灰色理论模型进行计算,得到预测值。
9.根据权利要求8所述的基于灰色理论的电力负荷预测方法,其特征在于,步骤S002中,影响电力负荷预测的影响因素包括时间数据、气象数据和环境数据。
10.根据权利要求8所述的基于灰色理论的电力负荷预测方法,其特征在于,还包括有步骤:计算得到预测值后,将该预测值进行显示,并将该预测值发送给电网调控平台,由电网调控平台进行电网调控。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110620523.6A CN113408795A (zh) | 2021-06-03 | 2021-06-03 | 一种基于灰色理论的电力负荷预测***及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110620523.6A CN113408795A (zh) | 2021-06-03 | 2021-06-03 | 一种基于灰色理论的电力负荷预测***及其方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113408795A true CN113408795A (zh) | 2021-09-17 |
Family
ID=77676191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110620523.6A Pending CN113408795A (zh) | 2021-06-03 | 2021-06-03 | 一种基于灰色理论的电力负荷预测***及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113408795A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016136323A1 (ja) * | 2015-02-27 | 2016-09-01 | 株式会社E.I.エンジニアリング | エネルギー予測システム、エネルギー予測方法、これを実行させるためのコンピュータプログラム及びこのプログラムを記録した記録媒体並びに運転支援システム |
CN108416466A (zh) * | 2018-02-02 | 2018-08-17 | 西安电子科技大学 | 复杂特性影响的电力负荷预测方法、计算机信息处理*** |
CN108416690A (zh) * | 2018-01-19 | 2018-08-17 | 中国矿业大学 | 基于深度lstm神经网络的电网负荷预测方法 |
CN110210670A (zh) * | 2019-06-03 | 2019-09-06 | 辽宁工程技术大学 | 一种基于电力***短期负荷的预测方法 |
CN110222882A (zh) * | 2019-05-21 | 2019-09-10 | 国家电网公司西南分部 | 一种电力***中长期负荷的预测方法和装置 |
-
2021
- 2021-06-03 CN CN202110620523.6A patent/CN113408795A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016136323A1 (ja) * | 2015-02-27 | 2016-09-01 | 株式会社E.I.エンジニアリング | エネルギー予測システム、エネルギー予測方法、これを実行させるためのコンピュータプログラム及びこのプログラムを記録した記録媒体並びに運転支援システム |
CN108416690A (zh) * | 2018-01-19 | 2018-08-17 | 中国矿业大学 | 基于深度lstm神经网络的电网负荷预测方法 |
CN108416466A (zh) * | 2018-02-02 | 2018-08-17 | 西安电子科技大学 | 复杂特性影响的电力负荷预测方法、计算机信息处理*** |
CN110222882A (zh) * | 2019-05-21 | 2019-09-10 | 国家电网公司西南分部 | 一种电力***中长期负荷的预测方法和装置 |
CN110210670A (zh) * | 2019-06-03 | 2019-09-06 | 辽宁工程技术大学 | 一种基于电力***短期负荷的预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109615124B (zh) | 一种基于深度学习的scada主站负荷预测方法 | |
CN110212551B (zh) | 基于卷积神经网络的微网无功自动控制方法 | |
CN112085285B (zh) | 母线负荷预测方法、装置、计算机设备和存储介质 | |
CN103617447B (zh) | 智能变电站的评价***及评价方法 | |
CN116599151A (zh) | 基于多源数据的源网储荷安全管理方法 | |
CN114358520B (zh) | 一种电力***经济调度决策的方法、***、装置及介质 | |
CN110796307A (zh) | 一种综合能源***分布式负荷预测方法及*** | |
CN111080472A (zh) | 一种电力***负荷预测和分析方法 | |
CN114742283A (zh) | 一种基于深度学习网络的中压线路合环电流估算与风险评估方法 | |
WO2020228568A1 (zh) | 训练光伏电站发电量预测模型的方法、光伏电站发电量预测方法和装置、训练***和预测***及存储介质 | |
CN106849064B (zh) | 一种基于气象数据的区域电网负荷预测管理*** | |
CN109946968B (zh) | 一种楼宇内分布式能源匹配***和方法 | |
CN111046633A (zh) | 一种基于lstm的电网一次调频数据预测方法及装置 | |
CN117236380A (zh) | 一种电力***故障预测方法、***、电子设备和介质 | |
CN116961231A (zh) | 一种基于电力物联网安全管理*** | |
CN113408795A (zh) | 一种基于灰色理论的电力负荷预测***及其方法 | |
CN115860258A (zh) | 一种区域用电量预测方法 | |
CN114936640A (zh) | 一种新能源发电智能预测模型的在线训练方法 | |
CN111857015B (zh) | 输变电云端智能控制器 | |
CN111339664B (zh) | 一种基于边缘计算的逐层负荷建模方法和*** | |
CN112467752A (zh) | 分布式能源配电***调压方法及装置 | |
CN109818352A (zh) | 一种基于近似动态规划算法的配电网应急电源车调度方法 | |
CN111897655B (zh) | 一种输变电云端智能控制器 | |
CN117575308B (zh) | 分布式配电网的风险评估方法、装置、设备及存储介质 | |
CN114881120B (zh) | 基于深度自编码器和聚类的台区户变关系识别方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210917 |