CN106529718A - 一种非径流式小水电短期功率加权预测方法 - Google Patents
一种非径流式小水电短期功率加权预测方法 Download PDFInfo
- Publication number
- CN106529718A CN106529718A CN201610963665.1A CN201610963665A CN106529718A CN 106529718 A CN106529718 A CN 106529718A CN 201610963665 A CN201610963665 A CN 201610963665A CN 106529718 A CN106529718 A CN 106529718A
- Authority
- CN
- China
- Prior art keywords
- radial
- flow type
- power station
- type small
- small power
- 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.)
- Granted
Links
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种非径流式小水电短期功率加权预测方法,它包括:采集地区非径流式小水电的数据信息;计算第j时刻,第i个非径流式小水电第一短期功率预测值;计算地区非径流式小水电的第j时刻第一短期功率预测值;在第j时刻,根据第i个径流式非径流式小水电的历史数据、气象数据和地区电网的峰谷电价,利用支持向量机计算得到地区非径流式小水电的第二短期功率预测值;确定权重系数;计算预测日第j时刻,地区非径流式小水电短期功率预测值Pnrj;解决了现有技术中对非径流式小水电短期功率预测采用直接预测方法为主,存在的需要依赖运行人员主观经验、知识以及其他综合判断能力,预测误差较大等技术问题。
Description
技术领域
本发明属于小水电功率预测技术领域,尤其涉及一种非径流式小水电短期功率加权预测方法。
背景技术
随着环境污染和能源短缺问题的日益严重,小水电作为清洁绿色的可再生替代能源,不同于大中型水电,主要分布在地理位置偏远的山区,是农村地区重要的电源组成部分,具有分散开发、就地成网、就地供电、建设和发电成本低、建设周期短、回报收益快等优点,具有不可替代的优势因此在国家和地方政策的支持下发展迅速,很好的解决了部分地区的缺电局面。与此同时,小水电的发展也带来一些问题,小水电分为径流式小水电和非径流式小水电,非径流式小水电站,其在系统中的比重较小,而水库又具有一定的调节性能,能够参与地区负荷调峰工作,但其调节性能较差,丰水期在小水电密集地区随着水流量的增加,极易与大中型水电发生冲突,冲击电网主网,如果调度不掌握小水电的发电信息,对电网安全稳定运行以及电网调度等带来的不良影响将会越发显著。
因此,需要对非径流式小水电进行短期功率预测。目前常用的非径流式小水电短期功率预测数据主要以直接预测方法为主,预测值主要是依据已有的各种影响因素数据、历史发电能力数据、小水电站的中长期发电计划和地区电网的峰谷电价机制等因素,进行非径流式小水电短期功率直接预测,该方法以定性分析为主并结合定量分析,其优点是简便易行,直接可靠,能够在信息数据不充分和有些因素难以量化的情况下作出预测,但其依赖于运行人员主观经验、知识以及其他综合判断能力,预测误差较大。
发明内容:
本发明要解决的技术问题:提供一种非径流式小水电短期功率加权预测方法,以解决现有技术中对非径流式小水电短期功率预测采用直接预测方法为主,存在的需要依赖运行人员主观经验、知识以及其他综合判断能力,预测误差较大等技术问题。
本发明技术方案:
一种非径流式小水电短期功率加权预测方法,它包括:
步骤1、采集地区非径流式小水电的数据信息,所述数据信息包括非径流式小水电的历史数据信息和地理位置数据信息;
步骤2、根据第j时刻第i个非径流式小水电的历史数据和气象数据计算出第j时刻,第i个非径流式小水电第一短期功率预测值Pnr1ij;
步骤3、计算地区非径流式小水电的第j时刻第一短期功率预测值Pnr1j;
步骤4、在第j时刻,根据第i个径流式非径流式小水电的历史数据、气象数据和地区电网的峰谷电价,利用支持向量机计算得到地区非径流式小水电的第二短期功率预测值Pnr2j;
步骤5、确定Pnr1j和Pnr2j的权重系数wnr1、wnr2,计算预测日第j时刻,地区非径流式小水电短期功率预测值Pnrj。
步骤6、计算预测日前ξnr天的历史出力数据与预测数据的误差εnr,如果连续ξnr天误差εnr均大于设定的非径流式小水电短期功率预测精度阈值enr,则重新进行步骤5;小于或等于则输出非径流式小水电短期功率预测值Pnrj。
步骤1所述的非径流式小水电的历史数据信息包括气象数据、出力数据、出库水量、开停机数据和非径流式小水电的中长期发电计划和地区电网的峰谷电价数据;所述气象数据包括非径流式小水电所在区域的温度、气压、湿度、风向、风速和降雨量;所述地理位置数据信息包括非径流式小水电以及上游带库容水电的所属流域信息及地理位置信息。
步骤2所述第j时刻,第i个非径流式小水电第一短期功率预测值Pnr1ij的计算公式为:
Pnr1ij=ki·Qnrij·Hij式中:ki为第i个非径流式小水电的出力系数,Hij为第j时刻第i个非径流式小水电的水头;Qnrij为第j时刻第i个非径流式小水电的水流量。
步骤3所述地区非径流式小水电的第j时刻第一短期功率预测值Pnr1j的计算公式为:
式中:n为地区非径流式小水电的数量。
步骤4所述的地区非径流式小水电的第二短期功率预测值Pnr2j的计算方法包括:
步骤4.1、给定支持向量机功率预测模型的输入向量并进行归一化处理;根据非径流式小水电所在区域的气象数据:温度Tnr、气压Pnr、湿度Hnr、风向Wdnr、风速Wnrs和降雨量Qnr1、地区电网的峰谷电价Cnr,形成支持向量机功率预测模型的输入向量Ynr:
Ynr=[Tnr、Pnr、Hnr、Wdnr、Wsnr、Qnr1、Cnr];
输入向量Ynr进行归一化处理,其公式为:
式中:Y'nrij为第j时刻,第i个非径流式小水电归一化处理后的输入向量;Ynrij为第j时刻第i个非径流式小水电归一化处理前的输入向量;max(Ynri)和min(Ynri)分别表示第i个非径流式小水电归一化处理前的输入向量的最大值和最小值;
步骤4.2、选取预测日前δnr天Y'nrij数据作为训练样本,利用支持向量机进行训练,获得训练后的支持向量机功率预测模型;
步骤4.3、将预测日第j时刻,第i个非径流式小水电所在区域的温度Tnrij、气压Pnrij、湿度Hnrij、风向Wdnrij、风速Wsnrij、降雨量Qnr1ij和地区电网的峰谷电价Cnrij作为输入层,输入到训练后的支持向量机功率预测模型中,输出层数据为预测日第j时刻第i个非径流式小水电第二短期功率预测值pnr2ij;
步骤4.4、计算地区非径流式小水电第j时刻第二短期功率预测值Pnr2j,其公式为:
步骤5所述的确定地区非径流式小水电的第j时刻第一短期功率预测值Pnr1j和地区非径流式小水电第j时刻第二短期功率预测值Pnr2j的权重系数wnr1和wnr2的方法包括:
步骤5.1、获取预测日前θnr天的历史气象数据和历史出力数据;
步骤5.2、利用步骤3、步骤4分别计算第一短期功率预测值Pnr1(1)j...Pnr1(θnr)j和第一短期功率预测值Pnr2(1)j...Pnr2j(θnr)j;
步骤5.3、获取实际功率值为Pnr1...Pnrθnr;
步骤5.4、以预测功率值与实际功率值的误差绝对值为评价指标,用熵权法确定权重系数wnr1、wnr2。
计算预测日第j时刻地区非径流式小水电短期功率预测值Pnrj的公式为:
Pnrj=wnr1×Pnr1j+wnr2×Pnr2j。
本发明有益效果:
本发明在现有非径流式小水电短期功率直接预测方法基础上,增加采用考虑多元信息的支持向量机功率预测模型进行短期功率预测,利用熵权法求取两种方法功率预测值的权重系数,并跟踪连续运行日内的预测误差及时对权重系数进行修正,从而更好地克服各个单一预测方法自身的局限性,充分融合信息,具有较强的客观性,有效地减少预测误差、提高预测精度;解决了现有技术中对非径流式小水电短期功率预测采用直接预测方法为主,存在的需要依赖运行人员主观经验、知识以及其他综合判断能力,预测误差较大等技术问题。
具体实施方式:
一种非径流式小水电短期功率加权预测方法,它包括:
步骤1、采集地区非径流式小水电的数据信息,所述数据信息包括非径流式小水电的历史数据信息和地理位置数据信息;
步骤1所述的非径流式小水电的历史数据信息包括气象数据、出力数据、出库水量、开停机数据和非径流式小水电的中长期发电计划和地区电网的峰谷电价数据;所述气象数据包括非径流式小水电所在区域的温度、气压、湿度、风向、风速和降雨量;所述地理位置数据信息包括非径流式小水电以及上游带库容水电的所属流域信息及地理位置信息。
其中,设地区非径流式小水电数量为n个,短期功率预测值为每15分钟1个,每日24小时共96个。记Xij为第i个非径流式小水电第j个时刻的有关数据,0≤i≤n,0≤j≤96。
步骤2、根据第j时刻第i个非径流式小水电的历史数据和气象数据计算出第j时刻,第i个非径流式小水电第一短期功率预测值Pnr1ij;
Pnr1ij=ki·Qnrij·Hij式中:ki为第i个非径流式小水电的出力系数,Hij为第j时刻第i个非径流式小水电的水头;Qnrij为第j时刻第i个非径流式小水电的水流量。
j时刻第i个非径流式小水电的水流量Qnrij的计算公式为:
Qnrij=Qnr2ij-(±ΔQnr3ij)-Qnr4ij
式中:Qnr2ij表示第j时刻第i个非径流式小水电的入库水流量;±ΔQnr3ij表示第j时刻第i个非径流式小水电的水库蓄放水流量,其中蓄水时为“+”,放水时为“‐”;
Qnr4ij表示第j时刻第i个非径流式小水电的损失水流量。
Qnr4ij=Qnr41ij+Qnr42ij
Qnr41ij表示第j时刻第i个非径流式小水电的绕坝渗流等各种渗漏水流量。
Qnr42ij表示第j时刻第i个非径流式小水电的蒸发水流量。
计算第j时刻第i个非径流式小水电的水头Hij:
公式为:Hij=Z1ij-Z2ij
其中,Z1ij表示第j时刻第i个非径流式小水电的坝前水位;
Z2ij表示第j时刻第i个非径流式小水电的坝尾水位。
步骤3、计算地区非径流式小水电的第j时刻第一短期功率预测值Pnr1j;
步骤3所述地区非径流式小水电的第j时刻第一短期功率预测值Pnr1j的计算公式为:
式中:n为地区非径流式小水电的数量。
步骤4、在第j时刻,根据第i个径流式非径流式小水电的历史数据、气象数据和地区电网的峰谷电价,利用支持向量机计算得到地区非径流式小水电的第二短期功率预测值Pnr2j;
步骤4所述的地区非径流式小水电的第二短期功率预测值Pnr2j的计算方法包括:
步骤4.1、给定支持向量机功率预测模型的输入向量并进行归一化处理;根据非径流式小水电所在区域的气象数据:温度Tnr、气压Pnr、湿度Hnr、风向Wdnr、风速Wnrs和降雨量Qnr1、地区电网的峰谷电价Cnr,形成支持向量机功率预测模型的输入向量Ynr:
Ynr=[Tnr、Pnr、Hnr、Wdnr、Wsnr、Qnr1、Cnr];
输入向量Ynr进行归一化处理,其公式为:
式中:Y'nrij为第j时刻,第i个非径流式小水电归一化处理后的输入向量;Ynrij为第j时刻第i个非径流式小水电归一化处理前的输入向量;max(Ynri)和min(Ynri)分别表示第i个非径流式小水电归一化处理前的输入向量的最大值和最小值;
步骤4.2、选取预测日前δnr天的Y'nrij数据作为训练样本,利用支持向量机进行训练,获得训练后的支持向量机功率预测模型;
步骤4.3、将预测日第j时刻,第i个非径流式小水电所在区域的温度Tnrij、气压Pnrij、湿度Hnrij、风向Wdnrij、风速Wsnrij、降雨量Qnr1ij和地区电网的峰谷电价Cnrij作为输入层,输入到训练后的支持向量机功率预测模型中,输出层数据为预测日第j时刻第i个非径流式小水电第二短期功率预测值pnr2ij;
步骤4.4、计算地区非径流式小水电第j时刻第二短期功率预测值Pnr2j,其公式为:
步骤5、确定Pnr1j和Pnr2j的权重系数wnr1、wnr2,计算预测日第j时刻,地区非径流式小水电短期功率预测值Pnrj。
步骤5所述的确定地区非径流式小水电的第j时刻第一短期功率预测值Pnr1j和地区非径流式小水电第j时刻第二短期功率预测值Pnr2j的权重系数wnr1和wnr2的方法包括:
步骤5.1、获取预测日前θnr天的历史气象数据和历史出力数据;
步骤5.2、利用步骤3、步骤4分别计算第一短期功率预测值Pnr1(1)j...Pnr1(θnr)j和第一短期功率预测值Pnr2(1)j...Pnr2j(θnr)j;
步骤5.3、获取实际功率值为Pnr1...Pnrθnr;
步骤5.4、以预测功率值与实际功率值的误差绝对值为评价指标,用熵权法确定权重系数wnr1、wnr2。
计算预测日第j时刻地区非径流式小水电短期功率预测值Pnrj的公式为:
Pnrj=wnr1×Pnr1j+wnr2×Pnr2j。
所述的非径流式小水电短期功率加权预测方法,它还包括:
步骤6、计算预测日前ξnr天的历史出力数据与预测数据的误差εnr,如果连续ξnr天误差εnr均大于设定的非径流式小水电短期功率预测精度阈值enr,则重新进行步骤5;小于或等于则输出非径流式小水电短期功率预测值Pnrj。
Claims (8)
1.一种非径流式小水电短期功率加权预测方法,它包括:
步骤1、采集地区非径流式小水电的数据信息,所述数据信息包括非径流式小水电的历史数据信息和地理位置数据信息;
步骤2、根据第j时刻第i个非径流式小水电的历史数据和气象数据计算出第j时刻,第i个非径流式小水电第一短期功率预测值Pnr1ij;
步骤3、计算地区非径流式小水电的第j时刻第一短期功率预测值Pnr1j;
步骤4、在第j时刻,根据第i个径流式非径流式小水电的历史数据、气象数据和地区电网的峰谷电价,利用支持向量机计算得到地区非径流式小水电的第二短期功率预测值Pnr2j;
步骤5、确定Pnr1j和Pnr2j的权重系数wnr1、wnr2,计算预测日第j时刻,地区非径流式小水电短期功率预测值Pnrj。
2.根据权利要求1所述的非径流式小水电短期功率加权预测方法,
其特征在于:它还包括:
步骤6、计算预测日前ξnr天的历史出力数据与预测数据的误差εnr,如果连续ξnr天误差εnr均大于设定的非径流式小水电短期功率预测精度阈值enr,则重新进行步骤5;小于或等于则输出非径流式小水电短期功率预测值Pnrj。
3.根据权利要求1所述的非径流式小水电短期功率加权预测方法,其特征在于:步骤1所述的非径流式小水电的历史数据信息包括气象数据、出力数据、出库水量、开停机数据和非径流式小水电的中长期发电计划和地区电网的峰谷电价数据;所述气象数据包括非径流式小水电所在区域的温度、气压、湿度、风向、风速和降雨量;所述地理位置数据信息包括非径流式小水电以及上游带库容水电的所属流域信息及地理位置信息。
4.根据权利要求1所述的非径流式小水电短期功率加权预测方法,其特征在于:步骤2所述第j时刻,第i个非径流式小水电第一短期功率预测值Pnr1ij的计算公式为:
Pnr1ij=ki·Qnrij·Hij式中:ki为第i个非径流式小水电的出力系数,Hij为第j时刻第i个非径流式小水电的水头;Qnrij为第j时刻第i个非径流式小水电的水流量。
5.根据权利要求1所述的非径流式小水电短期功率加权预测方法,其特征在于:步骤3所述地区非径流式小水电的第j时刻第一短期功率预测值Pnr1j的计算公式为:
式中:n为地区非径流式小水电的数量。
6.根据权利要求1所述的非径流式小水电短期功率加权预测方法,其特征在于:步骤4所述的地区非径流式小水电的第二短期功率预测值Pnr2j的计算方法包括:
步骤4.1、给定支持向量机功率预测模型的输入向量并进行归一化处理;根据非径流式小水电所在区域的气象数据:温度Tnr、气压Pnr、湿度Hnr、风向Wdnr、风速Wnrs和降雨量Qnr1、地区电网的峰谷电价Cnr,形成支持向量机功率预测模型的输入向量Ynr:
Ynr=[Tnr、Pnr、Hnr、Wdnr、Wsnr、Qnr1、Cnr];
输入向量Ynr进行归一化处理,其公式为:
式中:Y'nrij为第j时刻,第i个非径流式小水电归一化处理后的输入向量;Ynrij为第j时刻第i个非径流式小水电归一化处理前的输入向量;max(Ynri)和min(Ynri)分别表示第i个非径流式小水电归一化处理前的输入向量的最大值和最小值;
步骤4.2、选取预测日前δnr天Y'nrij数据作为训练样本,利用支持向量机进行训练,获得训练后的支持向量机功率预测模型;
步骤4.3、将预测日第j时刻,第i个非径流式小水电所在区域的温度Tnrij、气压Pnrij、湿度Hnrij、风向Wdnrij、风速Wsnrij、降雨量Qnr1ij和地区电网的峰谷电价Cnrij作为输入层,输入到训练后的支持向量机功率预测模型中,输出层数据为预测日第j时刻第i个非径流式小水电第二短期功率预测值pnr2ij;
步骤4.4、计算地区非径流式小水电第j时刻第二短期功率预测值Pnr2j,其公式为:
7.根据权利要求1所述的非径流式小水电短期功率加权预测方法,其特征在于:步骤5所述的确定Pnr1j和Pnr2j的权重系数wnr1和wnr2的方法包括:
步骤5.1、获取预测日前θnr天的历史气象数据和历史出力数据;
步骤5.2、利用步骤3、步骤4分别计算第一短期功率预测值Pnr1(1)j...Pnr1(θnr)j和第一短期功率预测值Pnr2(1)j...Pnr2j(θnr)j;
步骤5.3、获取实际功率值为Pnr1...Pnrθnr;
步骤5.4、以预测功率值与实际功率值的误差绝对值为评价指标,用熵权法确定权重系数wnr1、wnr2。
8.根据权利要求1所述的非径流式小水电短期功率加权预测方法,其特征在于:计算预测日第j时刻地区非径流式小水电短期功率预测值Pnrj的公式为:
Pnrj=wnr1×Pnr1j+wnr2×Pnr2j。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610963665.1A CN106529718B (zh) | 2016-11-04 | 2016-11-04 | 一种非径流式小水电短期功率加权预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610963665.1A CN106529718B (zh) | 2016-11-04 | 2016-11-04 | 一种非径流式小水电短期功率加权预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106529718A true CN106529718A (zh) | 2017-03-22 |
CN106529718B CN106529718B (zh) | 2019-11-05 |
Family
ID=58326269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610963665.1A Active CN106529718B (zh) | 2016-11-04 | 2016-11-04 | 一种非径流式小水电短期功率加权预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106529718B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107769268A (zh) * | 2017-10-10 | 2018-03-06 | 三峡大学 | 一种含小水电的地调范围日前预测省供负荷方法 |
CN107918922A (zh) * | 2017-11-15 | 2018-04-17 | 中国联合网络通信集团有限公司 | 业务推荐方法及业务推荐装置 |
CN109102110A (zh) * | 2018-07-23 | 2018-12-28 | 云南电网有限责任公司临沧供电局 | 一种径流式小水电短期出力预测方法和装置 |
CN109101659A (zh) * | 2018-09-03 | 2018-12-28 | 贵州电网有限责任公司 | 一种小水电数据采集系统中功率数据异常的方法 |
CN109636149A (zh) * | 2018-11-30 | 2019-04-16 | 华中科技大学 | 一种考虑风功率预测误差的水电站非实时滚动修正方法 |
CN111695736A (zh) * | 2020-06-15 | 2020-09-22 | 河北锐景能源科技有限公司 | 一种基于多模型融合的光伏发电短期功率预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679288A (zh) * | 2013-12-04 | 2014-03-26 | 华北电力大学 | 一种径流式小水电集群发电功率短期预测方法及预测系统 |
CN105356492A (zh) * | 2015-11-30 | 2016-02-24 | 华南理工大学 | 一种适用于微电网的能量管理仿真系统及方法 |
CN105391093A (zh) * | 2015-12-07 | 2016-03-09 | 海南电力技术研究院 | 小水电群并网运行优化调度方法 |
-
2016
- 2016-11-04 CN CN201610963665.1A patent/CN106529718B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103679288A (zh) * | 2013-12-04 | 2014-03-26 | 华北电力大学 | 一种径流式小水电集群发电功率短期预测方法及预测系统 |
CN105356492A (zh) * | 2015-11-30 | 2016-02-24 | 华南理工大学 | 一种适用于微电网的能量管理仿真系统及方法 |
CN105391093A (zh) * | 2015-12-07 | 2016-03-09 | 海南电力技术研究院 | 小水电群并网运行优化调度方法 |
Non-Patent Citations (1)
Title |
---|
李元诚 等: "短期负荷预测的支持向量机方法研究", 《中国电机工程学报》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107769268A (zh) * | 2017-10-10 | 2018-03-06 | 三峡大学 | 一种含小水电的地调范围日前预测省供负荷方法 |
CN107769268B (zh) * | 2017-10-10 | 2021-03-09 | 三峡大学 | 一种含小水电的地调范围日前预测省供负荷方法 |
CN107918922A (zh) * | 2017-11-15 | 2018-04-17 | 中国联合网络通信集团有限公司 | 业务推荐方法及业务推荐装置 |
CN107918922B (zh) * | 2017-11-15 | 2020-10-27 | 中国联合网络通信集团有限公司 | 业务推荐方法及业务推荐装置 |
CN109102110A (zh) * | 2018-07-23 | 2018-12-28 | 云南电网有限责任公司临沧供电局 | 一种径流式小水电短期出力预测方法和装置 |
CN109102110B (zh) * | 2018-07-23 | 2022-03-22 | 云南电网有限责任公司临沧供电局 | 一种径流式小水电短期出力预测方法和装置 |
CN109101659A (zh) * | 2018-09-03 | 2018-12-28 | 贵州电网有限责任公司 | 一种小水电数据采集系统中功率数据异常的方法 |
CN109636149A (zh) * | 2018-11-30 | 2019-04-16 | 华中科技大学 | 一种考虑风功率预测误差的水电站非实时滚动修正方法 |
CN111695736A (zh) * | 2020-06-15 | 2020-09-22 | 河北锐景能源科技有限公司 | 一种基于多模型融合的光伏发电短期功率预测方法 |
CN111695736B (zh) * | 2020-06-15 | 2023-04-21 | 河北锐景能源科技有限公司 | 一种基于多模型融合的光伏发电短期功率预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106529718B (zh) | 2019-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106529718B (zh) | 一种非径流式小水电短期功率加权预测方法 | |
CN105046374B (zh) | 一种基于核极限学习机模型的功率区间预测方法 | |
CN107609697B (zh) | 一种风力发电功率预测方法 | |
CN102567636B (zh) | 基于相关向量机的高精度风电场功率区间预测方法 | |
CN106505631B (zh) | 智能风电风功率预测系统 | |
CN103001249B (zh) | 基于bp神经网络的风电场短期功率预测方法 | |
CN106447134B (zh) | 一种小水电分类短期功率预测方法 | |
El Alimi et al. | Modeling and investigation of the wind resource in the gulf of Tunis, Tunisia | |
CN103401236A (zh) | 一种基于风电场流动相关性的风电场机组分组方法 | |
CN104463356A (zh) | 一种基于多维信息人工神经网络算法的光伏发电功率预测方法 | |
CN104268659A (zh) | 一种光伏电站发电功率超短期预测方法 | |
CN108075471B (zh) | 基于随机性电源出力预测的多目标约束优化电网调度策略 | |
CN105071423A (zh) | 计及限风特性与经济性的储能系统容量配置方法 | |
CN107422180A (zh) | 一种基于云监控的光伏电站的功率预测系统 | |
CN107769268B (zh) | 一种含小水电的地调范围日前预测省供负荷方法 | |
CN106485369B (zh) | 一种径流式小水电短期功率加权预测方法 | |
CN105046349A (zh) | 一种计及尾流效应的风电功率预测方法 | |
CN106485603A (zh) | 一种应用于风力发电的短期风速预测方法 | |
CN110147908A (zh) | 一种基于三维最优相似度与改进布谷鸟算法的风电功率预测方法 | |
CN103745274A (zh) | 一种用于分散式风电的短期功率预测方法 | |
CN107276221B (zh) | 一种优化风电消纳的电力系统调度方法 | |
CN104657787B (zh) | 一种风功率时间序列组合预测方法 | |
CN108616139A (zh) | 一种风电功率集群预测方法和装置 | |
CN106529716A (zh) | 一种利用小水电分类短期功率预测参与电网调度的方法 | |
Xiao et al. | Short-term optimized operation of Multi-energy power system based on complementary characteristics of power sources |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |