“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]一种短期电力负荷预测方法-CN201811068735.2有效
发明人：蔡延光;罗育辉;蔡颢 -专利权人：广东工业大学
申请日： 2018-09-13 - 公布日： 2022-03-04 - 主分类号： H02J3/00 文献下载
摘要：本发明提供一种短期电力负荷预测方法，建立基于前后级BP级联神经网络的短期电力负荷预测模型，采用改进的最大偏差相似性准则聚类算法对历史电力负荷数据进行聚类，并对类中心进行层次聚类，经过类簇合并得到预测日的相似负荷类别，并将第Z类的负荷数据作为后级BP神经网络的训练数据，从而提高神经网络的收敛速度和预测精度。本发明提出的短期电力负荷预测方法，计算速度快、预测精度高，能较好地满足电网对电力负荷预测的需要。
一种短期电力负荷预测方法

[发明专利]一种短期负荷预测方法和系统-CN201510263771.4有效
发明人：李国庆;王硕;钱小丹;孙琳;胡文贞 -专利权人：国家电网公司;国网浙江杭州市萧山区供电公司;国网浙江省电力公司杭州供电公司
申请日： 2015-05-21 - 公布日： 2019-06-18 - 主分类号： G06Q10/04 文献下载
摘要：本发明实施例提供一种短期负荷预测方法和系统，其中，方法包括：获取相似日的负荷曲线集合，并利用小波变换对该负荷曲线集合内所有负荷曲线进行分解重构，得到负荷子曲线集合；对该负荷子曲线集合内所有负荷曲线进行负荷特性分析，将负荷特性分析结果通过组合负荷预测模型进行预测，得到初步负荷预测结果；将所述初步负荷预测结果通过误差预测模型进行校正，将输出的校正结果作为所述预测日的负荷预测结果。提高了短期负荷预测结果的精度，使得到精度较高的负荷预测结果。
一种短期负荷预测方法系统

[发明专利]一种结合聚类和深度学习算法的母线短期日负荷预测方法和装置-CN201910492521.6有效
发明人：焦敏;李康;刘恒杰;亓晓燕;胡昌伦;孟凡敏;刘啸宇;王涛;许晓敏;王文君;陈霖;陈泽伟;陈爱友;梁龙飞;秦子健;丁吉峰;张方芬;李新蕾 -专利权人：国网山东省电力公司莱芜供电公司;国家电网有限公司
申请日： 2019-06-06 - 公布日： 2022-03-04 - 主分类号： G06Q10/04 文献下载
摘要：本公开公开了一种结合聚类和深度学习算法的母线短期日负荷预测方法和装置，该方法包括：接收电网母线数据，分析电网母线负荷特性，确定短期母线负荷预测影响因子；提取影响因子的特征，进行数据标准化处理，建立负荷数据库；采用聚类算法将具有相似特征的母线进行聚合，确定K值；通过深度学习长短期记忆网络建立K种模式对应的预测模型；采用Momentum算法优化预测模型，完成母线负荷预测。
一种结合深度学习算法母线短期负荷预测方法装置

[发明专利]一种基于全过程技术提升的短期电力需求分析方法-CN201610016411.9在审
发明人：吴臻;兰洲;邢胜男;戴攀;沈志恒;石清;李黎;张婕;孙飞飞 -专利权人：国网浙江省电力公司经济技术研究院;国家电网公司;北京经世万方信息技术有限公司
申请日： 2016-01-11 - 公布日： 2016-06-22 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于全过程技术提升的短期电力需求分析方法。短期负荷预测是负荷预测的重要组成部分，对于调度安排开停机计划，对于电力应用如机组最优组合、经济调度、最优潮流有着重要的意义。本发明对短期电力需求预测前、中、后的全过程技术进行整合与提升，所述的预测前技术包括数据预处理和数据分析，数据预处理方法包括不良数据智能辨识与修正、节假日影响的去除、负荷自然增长影响的去除和充分考虑近日历史数据的累积效应；所述的预测中技术包括气象影响效应分析和负荷预测模型集合；所述的预测后技术包括预测评估机制。本发明是一种有助于完善短期电力需求预测技术和提高短期负荷预测精度的方法。
一种基于全过程技术提升短期电力需求分析方法

[发明专利]电力系统短期日负荷预测方法及相关设备-CN202211204902.8有效
发明人：娄素华;梁书豪 -专利权人：华中科技大学
申请日： 2022-09-30 - 公布日： 2022-12-27 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种电力系统短期日负荷预测方法及相关设备，涉及电力负荷预测领域，主要为解决目前缺少一种可以按“类”对电力系统短期日负荷进行预测的方法的问题。该方法包括：基于高斯混合模型对2维日负荷数组进行聚类以获取目标2维日负荷数组，其中，所述2维日负荷数组是基于24维日负荷数组确定的；基于所述目标2维日负荷数组和所述24维日负荷数组确定相关向量机模型，其中，所述相关向量机模型为预测模型；基于所述预测模型确定目标预测日的日负荷预测结果。本发明用于电力系统短期日负荷预测过程。
电力系统短期负荷预测方法相关设备

[发明专利]一种基于气温因素和非线性自回归时序模型的短期负荷预测方法-CN201410228489.8有效
发明人：沈艳霞;高超 -专利权人：江南大学
申请日： 2014-05-28 - 公布日： 2017-10-24 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于气温和非线性自回归时序模型的短期负荷预测方法，包括获取若干个历史日的电力负荷和若干个历史日的气温数据以及待预测日的预报气温；确定所述非线性自回归时序模型阶次和各阶子项记忆步长，估计模型参数，得到负荷预测模型；根据所述的待预测日的预报气温和所述的负荷预测模型预测所述的待预测日的负荷。针对负荷与气温相关性较强的特点，本发明将气温因素加入到对负荷的短期预测当中，提高了短期负荷的预测精度,为电网调度控制提供依据,为电网安全运行提供保障。
基于温和非线性回归时序模型短期负荷预测方法

[发明专利]一种配电网负荷预测方法及系统-CN202210319305.3在审
发明人：潘世瑶;王楠;丁浩 -专利权人：中国矿业大学
申请日： 2022-03-29 - 公布日： 2022-07-29 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种配电网负荷预测方法，属于电力负荷预测技术领域，该预测方法具体步骤如下：步骤一：获取历史电力数据；步骤二：负荷影响因素确定及相似日选取；步骤三：确定电动汽车负荷数据；步骤四：训练集提取；步骤五：构建区域短期负荷预测模型；步骤六：负荷预测；本发明充分考虑了其他负荷影响相关因子以及电动汽车负荷接入对配电网负荷产生的影响，针对不同区域的不同负荷影响相关因子和电动汽车负荷构建区域短期负荷预测模型，从而有利于提高区域短期电力负荷预测精度
一种配电网负荷预测方法系统

[发明专利]基于VMD-PSO-LSSVM的短期电力负荷预测模型建立方法-CN201910060879.1在审
发明人：李继庚;洪蒙纳;满奕;胡雨沙 -专利权人：华南理工大学
申请日： 2019-01-23 - 公布日： 2019-04-19 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于VMD‑PSO‑LSSVM的短期电力负荷预测模型建立方法，该短期电力负荷预测模型应用于造纸企业的电力负荷预测，包括下述步骤：首先获取造纸企业总有效负荷数据；利用VMD分解算法对预处理后的数据序列进行分解；利用滞后自相关选择模型的输入变量；利用PSO‑LSSVM对分解序列进行建模；利用训练样本对PSO‑LSSVM模型进行训练，建立预测模型，并进行造纸企业用电负荷预测，并对预测效果进行分析。本发明方法建立的基于VMD‑PSO‑LSSVM的短期电力负荷预测模型，具有收敛快，预测结果无滞后的特点。
电力负荷预测造纸企业模型建立预处理有效负荷数据分解分解算法模型应用输入变量数据序列训练样本用电负荷预测结果预测模型滞后自相关预测建模收敛分析

[发明专利]基于VMD-PSO-BPNN的短期电力负荷预测模型建立方法-CN201910060863.0在审
发明人：洪蒙纳;李继庚;满奕;胡雨沙 -专利权人：华南理工大学
申请日： 2019-01-23 - 公布日： 2019-06-21 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开了一种基于VMD‑PSO‑BPNN的短期电力负荷预测模型建立方法，该短期电力负荷预测模型应用于造纸企业的电力负荷预测，包括下述步骤：首先获取造纸企业总有效负荷数据；利用VMD分解算法对预处理后的数据序列进行分解；利用滞后自相关选择模型的输入变量；利用PSO‑BPNN对分解序列进行建模；利用训练样本对PSO‑BPNN模型进行训练，建立预测模型，并进行造纸企业用电负荷预测，并对预测效果进行分析。本发明方法建立的基于VMD‑PSO‑BPNN的短期电力负荷预测模型，具有收敛快，预测结果无滞后的特点。
电力负荷预测造纸企业模型建立预处理有效负荷数据分解分解算法模型应用输入变量数据序列训练样本用电负荷预测结果预测模型滞后自相关预测建模收敛分析

[发明专利]一种智能电网短期负荷预测方法-CN202111677523.6在审
发明人：周鑫;张蔷;王巍;王子强;高琴;马骞;刘梅;邵晓茹 -专利权人：中国南方电网有限责任公司;北京清软创新科技股份有限公司
申请日： 2021-12-31 - 公布日： 2022-03-11 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种智能电网短期负荷预测方法，包括以下步骤：获取负荷预测所需的基础数据集；对获取的基础数据集进行预处理、LMD算法处理，获得完备数据集；基于完备数据集，采用Inception模块构建强化学习网络，通过强化学习网络改进训练参数；基于改进的训练参数，采用DRNN构建深度学习网络；通过深度学习网络获取短期负荷预测模型并进行数据分析。本发明提供的一种智能电网短期负荷预测方法，将数据预处理技术和负荷预测技术相结合，通过LMD算法将强化学习和深度学习相结合，降低智能电网短期负荷预测数据的误差。
一种智能电网短期负荷预测方法

[发明专利]基于用户负荷模式分类的短期电力负荷预测方法-CN202011446664.2在审
发明人：胡楠;傅靖;王栋;姜吉祥;黄霆;贲树俊;徐晓轶;毛艳芳;于雅薇;朱忆洋 -专利权人：国网江苏省电力有限公司南通供电分公司
申请日： 2020-12-11 - 公布日： 2021-03-26 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于用户负荷模式分类的短期电力负荷预测方法，所述短期电力负荷预测方法主要包括海量高维数据预处理、用户负荷模式分类器、LSTM模型训练及预测，通过对所有历史样本进行数据预处理、K‑means聚类分析、灰色关联分析、通过K近邻分类算法(KNN)建立分类器以及对不同类型负荷数据采用LSTM神经网络方法建立不同的负荷预测模型，从而得到待预测日的电力负荷特性。本发明提供一种基于用户负荷模式分类的短期电力负荷预测方法，能够迅速准确的得到待预测日的负荷特性，保证电力系统运行和管理的高效和稳定。
基于用户负荷模式分类短期电力预测方法

[发明专利]基于IPSO-混沌BP网络的负荷短期预测方法及预测系统-CN202110392956.0在审
发明人：祝燕萍;苏卫华;蒋兴新;赵容兵 -专利权人：国网上海市电力公司;上海浦海求实电力新技术股份有限公司
申请日： 2021-04-13 - 公布日： 2021-07-06 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种基于IPSO‑混沌BP网络的负荷短期预测方法及预测系统，所述方法首先获取待测地点的实际历史电力负荷数据，再将所述电力负荷数据输入所述IPSO‑混沌BP网络的电力负荷短期预测模型中，获取所述地点预测日的各整点时刻的电力负荷预测结果，所述电力负荷短期预测模型以混沌BP神经网络为基础，所述混沌BP神经网络中的权值和阈值通过改进粒子群优化获得，所述改进粒子群采用引入反正弦函数的非线性动态改进惯性权重策略和加速系数线性调整策略。本发明能够有效地提高算法的寻优速度与搜索性能，减少算法的运算时间，并提高短期电力负荷预测的准确性，从而降低电网的运行成本。
基于 ipso 混沌 bp 网络负荷短期预测方法系统

[发明专利]联合EEMD与神经网络的短期负荷预测方法及系统-CN201710402183.3有效
发明人：王瑶;骆可风;陈谢磊;沈陈栋 -专利权人：常州英集动力科技有限公司
申请日： 2017-06-01 - 公布日： 2017-10-17 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种联合EEMD与神经网络的短期负荷预测方法及系统，本供热系统短期负荷预测方法包括以下步骤：步骤S1，数据预处理；步骤S2，建立预测模型；以及步骤S3，负荷预测；本发明通过整体经验模式分解与神经网络相结合的方式进行供热系统短期负荷预测，采用一种新的基于Brownian距离协方差系数的阈值判决对EEMD分解后所得各IMF主要分量进行筛选，有效提高了负荷预测的精度。
联合 eemd 神经网络短期负荷预测方法系统

[发明专利]一种基于负荷分解和优化双向长短期记忆网络的负荷组合预测方法-CN202111268308.0在审
发明人：赵洁;唐佳杰;张怀勋;方宇迪;梁忆琳;麻高源;何育钦;肖思怡 -专利权人：武汉大学
申请日： 2021-10-29 - 公布日： 2021-12-24 - 主分类号： G06F30/27 文献下载
摘要：本发明提出一种基于负荷分解与优化双向长短期记忆网络的负荷组合预测方法。该方法利用变分模态分解将负荷序列分解为一组相对平稳的子序列分量，以减少不同趋势信息间的相互影响，针对各子序列分别构建基于双向长短期记忆神经网络的时序预测模型，利用贝叶斯理论对网络相关超参数进行优化并判断该序列是否使用长短期记忆网络，以提高单个模型的预测精度；最后，叠加各子序列预测结果得到负荷预测值。该方法利用变分模态分解对负荷进行平稳化分解处理后进行预测使得预测结果更加稳定，贝叶斯优化理论解决了不同时序序列对双向长短期记忆网络的适用性和初始参数设置不当导致预测结果精度不高的问题，具有精确的预测结果，可应用于电力系统短期负荷预测。
一种基于负荷分解优化双向短期记忆网络组合预测方法

[发明专利]一种电动汽车充电场站短期负荷预测模型构建方法-CN202310495230.9在审
发明人：刘子俊;何山;李艳;陈牧;高岩峰 -专利权人：深圳供电局有限公司
申请日： 2023-05-04 - 公布日： 2023-08-15 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开一种电动汽车充电场站短期负荷预测模型构建方法，包括：步骤S1，采集待预测电动汽车充电场站的历史负荷数据和用户充电行为影响数据，获得多维负荷预测输入特征，并生成训练集和测试集；步骤S2，构建ALSTM‑SE‑CNN神经网络负荷预测模型，将所述训练集输入所述ALSTM‑SE‑CNN神经网络负荷预测模型进行训练，利用所述测试集对训练后的负荷预测模型进行测试，并采用网格搜索方法对所述负荷预测模型进行超参数调优，得到训练好的电动汽车充电场站短期负荷预测模型本发明提高了多场景下电动汽车充电场站短期负荷预测的精确度，为了解电动汽车充电场站短期的负荷变化趋势提供了依据，为提升电网运行稳定性，辅助场站运营商设计充电、定价规划策略等工作提供了帮助。
一种电动汽车充电场站短期负荷预测模型构建方法