公共文化服务平台

搜索到1583篇“ 空间负荷预测“的相关文章

基于图卷积神经网络和门控循环单元的空间负荷预测方法: 本发明公开了一种基于图卷积神经网络和门控循环单元的空间负荷预测方法，属于配电网规划技术领域。包括整合待预测区域的网架结构、用地信息等基础数据信息；建立配准基图、用地信息图层、Ⅰ类元胞图层和Ⅱ类元胞图层；采用GESD算法对...; 肖白张福生高宁远

一种基于开源信息的精细化空间负荷预测方法: 本发明属于配电网规划的空间负荷预测技术领域，提供一种基于开源信息的精细化空间负荷预测方法，根据开源地图收集POI数据信息，得到电力用户的基础信息，对电力用户进行二次查询，补充信息；针对待预测区域的实际情况构建相应的用户推...; 闵俊黄彬蒋震毛海明李克东宋晚珍宋亚州尹念

基于CEEMDAN-LSTM的空间负荷预测方法: 本发明是一种基于CEEMDAN‑LSTM的空间负荷预测方法，其特征是，包括以下步骤：首先基于3σ准则对每个I类元胞的实测负荷数据进行奇异值检测和修正；其次运用自适应噪声完备集合经验模态分解(CEEMDAN)技术将修正后的...; 肖白高文瑞

基于态势感知的配电网空间负荷预测系统: 2024年; 针对动态地区配电网空间负荷优化预测问题,设计了一种基于实时自控态势感知的配电网空间负荷预测系统。首先构建配电网空间负荷预测目标决策要素经验池;然后利用深度长短期神经网络对配电网历史运行数据集进行处理,实现配电网实时自控态势感知;最后利用深度确定性策略梯度算法构建空间负荷预测与目标决策要素经验池之间的耦合模型,实现配电网空间负荷高效精准预测。对模型展开了实际算例分析,多类型配网供电区域场景下配电网空间负荷预测精度达到91.03%,多类型配网供电区域场景下配电网空间负荷预测效率提高了23.71%。; 周忠强黄育松梁铃施诗覃海陈胜; 关键词：配电网系统空间负荷预测

基于极限学习机与负荷密度指标法的空间负荷预测方法: 本发明公开一种基于极限学习机与负荷密度指标法的空间负荷预测方法，包括：S1：将电力负荷根据用电类型进行分类并确定每类负荷的影响因素；S2：利用FCM聚类算法，将每类负荷再细分为几个小类并求出每一小类的聚类中心矩阵；对于给...; 彭鹏邵宇鹰罗潇李坚韩静

基于误差幅空特性分析的空间负荷预测误差评价方法被引量：5: 2024年; 对空间负荷预测误差进行有效评价是客观认识预测结果,指导预测结果合理应用的前提。然而,现有空间负荷预测误差评价的研究存在对误差的空间分布不考虑或考虑不充分导致评价不准确的问题。为此,提出一种基于误差幅空特性分析的空间负荷预测误差评价方法。首先,从空间负荷预测误差幅值大小和空间分布对电网规划影响的角度出发,对误差的幅空特性进行详细分析;其次,利用运输问题的数学模型来表征正负误差的幅空抵消特性,使用各空间邻近度–幅值误差值曲线与x轴围成面积之和来表征剩余未抵消误差的幅空叠加特性;然后,分别通过伏格尔法和各梯形面积累加公式来计算正负误差的幅空抵消影响值和剩余未抵消误差的幅空叠加影响值,并在此基础上构建空间负荷预测误差评价指标;最后,基于误差对电网规划的实际影响给出对误差评价指标性能的检验方法。算例分析表明,与传统方法相比,该文所提误差评价方法从幅值和空间两个维度实现了对空间负荷预测误差更为全面的评估,与误差对电网规划影响的实际情况贴近度更高。; 肖白李学思; 关键词：空间负荷预测电网规划

基于多尺度LDTW和TCN的空间负荷预测方法被引量：1: 2024年; 空间负荷预测为合理建设和使用变电站、馈线等提供了重要的指导,成为配电网规划中不可或缺的一部分。配电网规划的精细化产生了大量高分辨率的负荷数据,社会的快速发展使得地块的用电特征日趋复杂。当前的空间负荷预测没有充分考虑负荷数据之间的时间特性,且在预测过程中也未考虑到不同类型地块间可能存在的负荷峰值出现时间不一致问题。为此,提出一种空间负荷预测方法,通过基于多尺度限制对齐路径长度(LDTW)的谱聚类分析用户的负荷曲线在形状上的相似性,并提取不同地块的典型用电行为,以进一步分类确定同类型地块对应的同时率。多尺度LDTW通过限制序列之间匹配步长的上限来抑制病态匹配的产生,提高曲线相似性的综合评估能力。根据聚类结果筛选适合待预测区域的训练样本并构建基于时间卷积网络(TCN)的回归预测模型,将预测结果基于地块各自的同时率进行聚合,实现空间负荷预测。实验结果表明:该方法加强了对负荷曲线形状的分析和对不同类型地块同时率的区分,在聚类方面,DBI指数达到0.57,VI指数达到0.31;在预测方面,相对误差达到1.93%,决定系数达到0.941,相比其他典型方法均取得了较大改善。; 马越温蜜; 关键词：空间负荷预测动态时间规整谱聚类

基于模态分解和改进神经网络的空间负荷预测: 2024年; 为给电力系统规划提供精准数据支持,提出一种改进自适应噪声完备集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICCEMDAN)和麻雀搜索算法(Sparrow Search Algorithm,SSA)改进长短期记忆神经网络(Long-Short Term Memory neural network,LSTM)的空间负荷预测方法。首先,应用箱形图离群点检测法对电力地理信息系统中Ⅰ类元胞历史负荷的离群点进行检测及校正;其次,运用ICCEMDAN技术将校正后的Ⅰ类元胞负荷时间序列分解为不同频率和幅值的模态分量;然后,针对每个模态分量分别建立各自的LSTM模型,并利用SSA对各LSTM模型的参数进行优化,将得到的所有模态分量结果线性重构,得到目标年的基于Ⅰ类元胞空间负荷预测结果;最后,应用空间电力负荷网格化技术,转化Ⅰ类元胞的空间负荷预测结果为Ⅱ类元胞预测结果,并以幅值大小和空间分布两个维度评价预测精度。算例分析结果表明,文中所提出方法能够提升空间负荷预测精度。; 肖白高宇飞孙莉高宁远傅国斌孙海斌; 关键词：空间负荷预测电力地理信息系统

基于经验模态分解和神经网络的空间负荷预测方法及系统: 本发明公开基于经验模态分解和神经网络的空间负荷预测方法及系统，涉及配电网规划领域，该方法包括根据电力地理信息系统生成Ⅰ类元胞；构建I类元胞图层；利用箱形图离群点检测法对Ⅰ类元胞的历史负荷数据时间序列的离群点进行检测及校正...; 肖白高宇飞姜卓高宁远

一种考虑电动汽车充电需求的空间负荷预测方法: 本发明公开了一种考虑电动汽车充电需求的空间负荷预测方法，包括以下步骤：步骤1：根据运行特点和充电模式，将电动汽车分为三类；步骤2：根据调查数据，对行程信息的概率分布进行拟合，获得行程信息的概率密度函数；步骤3：根据电动汽...; 邵宇鹰彭鹏潘志刚顾天王婷婷

相关作者