[發明專利]一種計及分布式光伏裝機容量不確定性的電網中長期負荷預測方法在審
| 申請號: | 201711344401.9 | 申請日: | 2017-12-15 |
| 公開(公告)號: | CN109934367A | 公開(公告)日: | 2019-06-25 |
| 發明(設計)人: | 劉文霞;陳浩文;李喬喬;薛振宇;宋毅;靳夏寧;孫充勃;原凱;周雷 | 申請(專利權)人: | 華北電力大學;國網經濟技術研究院有限公司 |
| 主分類號: | G06Q10/04 | 分類號: | G06Q10/04;G06Q50/06 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 102206 北京*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 負荷預測 預測 光伏 裝機容量 分布式光伏電源 神經網絡專家系統 不確定性 光伏并網 光伏電源 特性影響 系統負荷 最大負荷 并網 削峰 年份 電網 分析 政策 | ||
1.一種計及分布式光伏裝機容量不確定性的電網中長期負荷預測方法,其特征首先對分布式光伏電源裝機容量進行預測,在此基礎上預測光伏電源在負荷高峰時段的有效削峰容量,從而預測系統最大負荷。
2.根據權利要求1所述的一種計及分布式光伏裝機容量不確定性的電網中長期負荷預測方法,其特征是利用神經網絡專家系統模型對分布式光伏裝機容量進行預測,利用神經網絡模型實現專家系統推理機功能,將專家系統的解釋說明功能與神經網絡模型的反向調節能力結合起來,更好的把握市場政策信息,實現對裝機容量的可信預測。
3.根據權利要求2所述的神經網絡專家系統模型,其特征在于將歷史數據分為訓練序列和驗證序列,利用試錯法確定神經網絡隱含層結構;對于不同隱含層結構(隱含層層數以及每層神經元個數)的神經網絡,利用訓練序列對其進行序列;利用驗證序列驗證不同結構模型的表現,以MAPE(絕對值平均百分比偏差,Mean Average Percentage Error)最小為目標選取最優的模型結構,MAPE計算式如下
其中,為實際值,為預測值,為驗證序列長度。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于華北電力大學;國網經濟技術研究院有限公司,未經華北電力大學;國網經濟技術研究院有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201711344401.9/1.html,轉載請聲明來源鉆瓜專利網。
- 同類專利
- 專利分類
G06Q 專門適用于行政、商業、金融、管理、監督或預測目的的數據處理系統或方法;其他類目不包含的專門適用于行政、商業、金融、管理、監督或預測目的的處理系統或方法
G06Q10-00 行政;管理
G06Q10-02 .預定,例如用于門票、服務或事件的
G06Q10-04 .預測或優化,例如線性規劃、“旅行商問題”或“下料問題”
G06Q10-06 .資源、工作流、人員或項目管理,例如組織、規劃、調度或分配時間、人員或機器資源;企業規劃;組織模型
G06Q10-08 .物流,例如倉儲、裝貨、配送或運輸;存貨或庫存管理,例如訂貨、采購或平衡訂單
G06Q10-10 .辦公自動化,例如電子郵件或群件的計算機輔助管理





