“短期负荷预测”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果395340个，建议您升级VIP下载更多相关专利

[发明专利]一种自适应的居民用户负荷预测方法-CN202111471604.0在审
发明人：侯婷婷;方仍存;张维;杨东俊;颜玉林;唐金锐;雷何;杨洁;桑子夏 -专利权人：国网湖北省电力有限公司经济技术研究院
申请日： 2021-12-06 - 公布日： 2021-12-31 - 主分类号： G06Q10/04 文献下载
摘要：一种自适应的居民用户负荷预测方法，包括以下步骤：先对居民用户群中各居民历史负荷数据进行降维和聚类处理，按聚类结果将居民划分为不同类别，再将同类居民的历史负荷数据进行相加，得到代表各类居民用电模式的总负荷数据，然后根据负荷数据分别构造长短期记忆神经网络预测模型，并采用粒子群算法对预测模型超参数进行寻优，最终得到确定各类居民用电模式对应预测模型的最优超参数，并以此为基础建立各居民最优超参数的长短期记忆神经网络预测模型，从而得到各居民的负荷预测结果。本设计通过分析居民历史负荷数据的相似性，并在住宅层面开展准确的居民负荷预测，不仅预测精度高，而且预测效率高。
一种自适应居民用户负荷预测方法

[发明专利]一种配电网中期负荷分解-集合预测方法及系统-CN202210826792.2在审
发明人：邓威;李勇;张帝;朱吉然;郭钇秀;康童;游金梁;任奇;任磊;唐海国;刘奕;周可慧 -专利权人：国网湖南省电力有限公司;国网湖南省电力有限公司电力科学研究院;国家电网有限公司
申请日： 2022-07-14 - 公布日： 2022-09-16 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种配电网中期负荷分解‑集合预测方法及系统，此方法包括：获得历史气象数据和负荷数据，对数据进行归一化处理，生成时间序列样本集；对时间序列样本集中的负荷时间序列进行季节分解，生成趋势、季节和随机分量，对气象数据和负荷数据进行相关性分析，选择与负荷相关的气象特征，生成预测模型的输入数据；搭建每个分量对应的长短期记忆神经网络负荷预测模型，输入训练样本进行预测模型学习训练；将待测试数据输入至长短期记忆神经网络负荷预测模型，生成趋势、季节和随机三种分量预测结果；选择与分解方法对应的集合方法，将三种分量预测结果输入集合模型，生成最终预测结果。本发明具有中期负荷预测效率高、精度高等优点。
一种配电网中期负荷分解集合预测方法系统

[发明专利]一种基于启发式配置的负荷预测方法、设备及存储介质-CN202211468992.1在审
发明人：陈宝红 -专利权人：苏州瑞城电力科技有限公司
申请日： 2022-11-22 - 公布日： 2023-04-04 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于启发式配置的负荷预测方法、设备及存储介质，包括：获取区域内历史负荷数据和温度数据并生成原始数据集，对生成的原始数据集进行清洗形成新数据集，并将新数据集分为训练集、配置集和测试集三部分；构建基于长短期记忆循环神经网络的单步负荷预测模型与递归预测模型；基于训练集数据，通过启发式搜索选择递归预测模型的最优输入特征；提取配置集数据的最优输入特征，配置长短期记忆循环神经网络的最优超参数；基于最优超参数配置了最优的长短期记忆循环神经网络后，对最优的长短期记忆循环神经网络进行正则化处理，提取测试集数据的最优输入特征，导入最优正则化后的递归预测模型，输出预测结果。
一种基于启发式配置负荷预测方法设备存储介质

[发明专利]一种基于形态聚类和LightGBM的工业用户短期负荷预测方法-CN201910047094.0有效
发明人：张化光;盛鸿翔;杨东升;周博文;杨珺;刘鑫蕊;孙振奥 -专利权人：东北大学
申请日： 2019-01-18 - 公布日： 2023-07-14 - 主分类号： G06F18/23213 文献下载
摘要：本发明提供一种基于形态聚类和LightGBM的工业用户短期负荷预测方法，涉及电力系统负荷预测技术领域。该方法首先对采集到的工业用户负荷数据利用工业用户形态聚类算法进行聚类；并根据形态聚类后各类别用户的负荷特性进行特征工程处理；然后将经过形态聚类和对应特征工程处理后的各类负荷数据利用对应的LightGBM模型进行训练及预测；最后将各类用户的LightGBM模型预测结果进行模型融合，得到最终预测结果。本发明提供的基于形态聚类和LightGBM的工业用户短期负荷预测方法，充分考虑了不同工业用户具有不同负荷特性的特点，在计算效率和预测精确度方面较其他集成学习模型均具有显著提升。
一种基于形态 lightgbm 工业用户短期负荷预测方法

[发明专利]一种用户负荷短期预测方法和装置-CN201910916662.6在审
发明人：卢世祥;林国营;冯小峰;阙华坤;陈亮 -专利权人：广东电网有限责任公司;广东电网有限责任公司计量中心
申请日： 2019-09-26 - 公布日： 2020-01-10 - 主分类号： G06Q10/04 文献下载
摘要：本申请实施例公开了一种用户负荷短期预测方法和装置，方法包括：对用户进行分类，根据用户的用电平稳性和温度敏感性，将用户分为用电平稳性好、用电平稳性差、温度敏感性低和温度敏感性高四类；对四类用户均采用若干种预测模型进行预测，选择效率最高的预测模型作为当前种类用户的主要预测模型；分别对四类用户采用对应的主要预测模型进行负荷短期预测。上述方法根据用户用电特性进行用户分类，然后选择适应该类用户特性的负荷预测算法进行预测，避免了单一负荷预测方法应用于不同特性用户时预测精度降低的情况，同时具有预测速度快的特点，解决了目前负荷预测领域针对大量的用户负荷难以同时保证高精度和高速度的预测结果的问题
预测模型平稳性温度敏感性预测短期预测负荷预测用户负荷负荷预测算法温度敏感性低方法和装置精度降低用户分类用户特性用户用电预测结果分类申请保证

[发明专利]基于多指标动态匹配的实时电力负荷预测系统及其方法-CN201810525917.1有效
发明人：周铁华;王玲;马福涛;高雪 -专利权人：东北电力大学
申请日： 2018-05-29 - 公布日： 2021-11-30 - 主分类号： G06Q10/04 文献下载
摘要：本发明是一种基于多指标动态匹配的实时电力负荷预测系统及其方法，所述的系统包括：数据采集模块与数据分析模块信号连接，数据分析模块与多指标动态匹配模块信号连接，多指标动态匹配模块与实时电力负荷预测模块信号连接所述的方法能够通过采集实时电力负荷数据、气象数据和经济数据等多重数据指标；分析电力负荷数据与各个因素指标之间的相关性，自适应的挖掘影响电力负荷预测的动态关键因素集；并根据电力负荷与关键指标之间的依赖关系，建立综合的影响电力负荷预测的自适应指标体系，通过提出的A‑GPR预测模型，实现实时提取关键影响因素集合进行短期和超短期的电力负荷预测。
基于指标动态匹配实时电力负荷预测系统及其方法

[发明专利]一种配电网无功电压治理监控系统-CN201911044295.1在审
发明人：李振华;王光增;华献宏;金杭勇;朱明柱;柴志华;金东红 -专利权人：国网浙江浦江县供电有限公司;国网浙江省电力有限公司金华供电公司;国家电网有限公司
申请日： 2019-10-30 - 公布日： 2019-12-20 - 主分类号： H02J3/16 文献下载
摘要：本发明公开了一种配电网无功电压治理监控系统，包括监测模块、分析评估模块、发电及负荷短期预测模块、数据分析自学习预判调控模块和离线模块，监测模块、分析评估模块、发电及负荷短期预测模块、数据分析自学习预判调控模块和离线模块均安装在电路板中，监测模块、分析评估模块、发电及负荷短期预测模块、数据分析自学习预判调控模块和离线模块之间相互连接，本发明结构科学合理，使用安全方便，使用中，通过分析评估模块对于监测模块得到的数据进行整理，然后进行数据分析，降低误差，接着将数据进行保存，制成曲线图，进行预判和数据评估，而通过发电及负荷短期预测模块对于近期的数据进行整理，保证了数据的预判性，适合推广使用。
预判短期预测模块分析评估监测模块数据分析调控模块自学习离线发电电路板配电网监控系统结构科学数据评估无功电压保存治理保证

[发明专利]多时间尺度交直流配电网调度方法及装置-CN201910969324.9有效
发明人：王志成;翟登辉;史善哲;许丹;张彦龙 -专利权人：许继集团有限公司;国家电网有限公司;国网河北省电力有限公司;许继电气股份有限公司;许昌许继软件技术有限公司
申请日： 2019-10-12 - 公布日： 2021-02-05 - 主分类号： H02J3/02 文献下载
摘要：该方法包括：建立双时间尺度的调度模型，包括日前调度模型和实时调度模型，获取光伏、柔性负荷的短期预测值和超短期预测值；将光伏、柔性负荷的短期预测值输入日前调度模型，得到燃气轮机的启停状态、AA‑CAES装置的运行工况和柔性负荷的调度计划的日前调度结果，将日前调度结果和光伏、柔性负荷的超短期预测值输入实时调度模型，得到实时调度结果，通过实时调度结果对交直流配电网进行调度。
多时尺度直流配电网调度方法装置

[发明专利]基于深度混合学习模型的短期电力负荷预测方法及装置-CN202211531587.X在审
发明人：彭勃;龚贤夫;李耀东;徐蔚;郑敏嘉;林海生;张姣;廖晖;黄玉萍 -专利权人：广东电网有限责任公司
申请日： 2022-12-01 - 公布日： 2023-04-07 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于深度混合学习模型的短期电力负荷预测方法及装置，所述方法包括：获取关于电力负荷的特征数据集，并构建包含多层神经单元的CNN‑BiLSTM网络；采用所述特征数据集对所述CNN‑BiLSTM网络进行预测训练，得到预测训练模型；利用鲸鱼优化算法对所述预测训练模型的迭代优化，得到优化模型；根据所述优化模型预测短期内的电力负荷，得到电力预测结果。本发明可以预先构建包含CNN网络和BiLSTM网络的深度混合学习模型，以及获取电力负荷的特征数据，采用特征数据对深度混合学习模型进行预测训练，并利用鲸鱼优化算法对模型进行预测优化得到电力负荷预测结果，通过结合CNN网络能提升模型对数据的深度挖掘能力，进而提高预测的精度，降低预测的误差。
基于深度混合学习模型短期电力负荷预测方法装置

[发明专利]基于多特征融合的办公建筑冷负荷数据校准及预测方法-CN202310697396.9在审
发明人：胡斌;黄文君;梅光行;吴恰恰;鲁程;李东洋;李昌雄 -专利权人：浙江大学;浙江源创智控技术有限公司
申请日： 2023-06-13 - 公布日： 2023-10-13 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了基于多特征融合的办公建筑冷负荷数据校准及预测方法，包括基于多特征融合的冷负荷原始数据校准和办公建筑短期冷负荷预测两部分；基于多特征融合的冷负荷原始数据校准通过热力学法与冷机表征法获得两组冷负荷序列值，利用冷机表征法的冷负荷序列值来修正热力学法的冷负荷序列值；办公建筑短期冷负荷预测利用修正后的冷负荷序列值来训练获得冷负荷预测LSTM模型进行冷负荷预测。本发明采用了多维数据作为冷负荷的判断依据，进行多特征融合，校准得到更加准确的测量结果；基于校准结果，训练得到冷负荷预测LSTM模型，冷负荷测量数据的滞后性得到改善；本发明具有冷负荷测量值准确度高、预测精度高
基于特征融合办公建筑负荷数据校准预测方法

[发明专利]一种基于聚类和趋势指标的配电网线路负荷预测方法和设备-CN202011414424.4有效
发明人：邓威;朱吉然;郭钇秀;唐海国;李勇;张志丹 -专利权人：国网湖南省电力有限公司;国网湖南省电力有限公司电力科学研究院;国家电网有限公司
申请日： 2020-12-07 - 公布日： 2022-05-17 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于聚类和趋势指标的配电网线路负荷预测方法和设备，方法为：获取并清洗配电网中各台区的负荷历史时间序列数据；根据负荷历史数据集，通过聚类将所有台区划分为若干个聚类簇，并求和重构每个聚类簇的负荷历史数据集，并按天获取若干负荷样本；然后获取每个负荷样本对应的节假日信息，计算去年同期的负荷变化趋势指标；使用每个聚类簇的负荷样本、节假日信息和负荷变化趋势指标，训练对应的长短期记忆神经网络负荷预测模型；使用训练好的每类负荷预测模型对相应的负荷数据进行预测，最后将每类负荷的预测结果进行叠加得到配电网线路总负荷的预测结果。本发明可以提高配电网短期负荷预测的精度，以达到指导配电网调度运行的目的。
一种基于趋势指标配电网线路负荷预测方法设备

[发明专利]一种负荷碳排放率的短期预测方法-CN202211382995.3在审
发明人：朱险峰;唐爱红;申冉;刘子伟;谢琼瑶;金潇;王庆铭;杨惠源;余文晗 -专利权人：国网湖北省电力有限公司宜昌供电公司;武汉理工大学
申请日： 2022-11-07 - 公布日： 2023-04-04 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种负荷碳排放率的短期预测方法，包括：S1、获取电力系统短期潮流数据，根据潮流结果和网架中各发电机组的碳排放因子计算碳排放流，求得网架中各PQ节点的碳排放率；S2、获取样本数据，包括S1中的电力系统用户短期负荷碳排放率数据、温度数据、气象数据和日期数据；S3、对S2中所得训练数据进行归一化处理，使得所有数据均可被系统识别；S4、对S3中已归一化的数据进行负荷碳排放率短期预测建模；S5、使用S4中建立的预测数学模型对各个PQ节点进行碳排放率短期预测；S6、使用各小时的预测值与真实值之差的平均值来评估评估碳排放率预测模型的准确性。本发明可以有效预测网架中各个PQ节点的碳排放率。
一种负荷排放短期预测方法

[发明专利]基于DPC-GRNN的超短期工业用电负荷预测方法-CN202210795337.0在审
发明人：田昕;朱庆春;程改红;郭相国;黄娟娟 -专利权人：中国电力工程顾问集团中南电力设计院有限公司
申请日： 2022-07-07 - 公布日： 2022-08-09 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于DPC‑GRNN的超短期工业用电负荷预测方法，包括以下步骤：对待预测场所的工业用电负荷历史数据进行预处理形成工业用电负荷历史数据集，对工业用电负荷历史数据集中的异常值进行修正；对修正后的待预测场所的工业用电负荷历史数据集进行归一化处理；对归一化后的待预测场所的工业用电负荷历史数据集进行DPC聚类分析，得到对应的类簇；针对各个类簇分别构建GRNN模型；计算每个GRNN模型对应的SPREAD值，选取最优的SPREAD值对应的GRNN模型作为预测模型；将待预测场所当前实时的工业用电负荷数据集输入至预测模型，将预测模型的输出进行反归一化处理得到待预测场所的工业用电负荷预测数据集。本发明有效提供了超短期工业用电负荷的预测精度更高。
基于 dpc grnn 短期工业用电负荷预测方法

[发明专利]一种短期负荷预测方法-CN201911299248.1有效
发明人：王建华;柳伟;黄河;高松;谢珍建;韩俊;蔡超 -专利权人：东南大学;国网江苏省电力有限公司;国网江苏省电力有限公司经济技术研究院
申请日： 2019-12-17 - 公布日： 2023-09-05 - 主分类号： G06N3/092 文献下载
摘要：本发明公开了一种短期负荷预测方法。通过多轮训练获得一系列弱学习器，然后补偿弱学习器的缺点，构建强学习器，最终最小化浅层神经网络的输出误差，从而提高浅层神经网络的预测精度。设计的损失函数对异常负载数据具有鲁棒性，因此适合于AC/DC配电系统中的负荷预测。改进了神经网络、灰色理论和支持向量机等传统的短期负荷预测方法的精度。
一种短期负荷预测方法

[发明专利]一种短期负荷预测方法、系统及相关装置-CN201910249984.X在审
发明人：杨韵;蔡秋娜;刘思捷 -专利权人：广东电网有限责任公司;广东电网有限责任公司电力调度控制中心
申请日： 2019-03-29 - 公布日： 2019-07-05 - 主分类号： G06Q10/04 文献下载
摘要：本申请所提供的一种短期负荷预测方法，包括：获取负荷历史数据中各个指标的指标参数；将各个指标的指标参数输入预设BP神经网络模型，输出归一化后的各个指标的短期负荷预测结果；其中，预设BP神经网络模型的偏差值是由增加复杂度收敛项的偏差计算公式得出的神经网络模型的偏差值是由增加复杂度收敛项的偏差计算公式得出的，且偏差值不大于偏差收敛阈值，能保证该预设BP神经网络模型的复杂度不会过大，也即能够保证该预设BP神经网络模型不会过拟合，进而能够在保证模型训练精度的同时，减小短期负荷预测误差本申请还提供一种短期负荷预测系统、设备及计算机可读存储介质，均具有上述有益效果。
短期负荷预测预设收敛复杂度偏差计算指标参数计算机可读存储介质负荷历史模型训练相关装置归一化保证减小拟合申请输出