System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于支持向量机的多类型电源与新能源协同方法技术_技高网

基于支持向量机的多类型电源与新能源协同方法技术

技术编号:40429274 阅读:4 留言:0更新日期:2024-02-20 22:50
本发明专利技术提出了基于支持向量机的多类型电源与新能源协同方法,所述方法包括以下步骤:收集每个新能源电源的历史发电数据;通过SVM对历史发电数据进行训练获得每个新能源电源的发电量预测模型;将实时发电数据输入发电量预测模型获取预测发电量;通过SVM对历史用电数据进行训练获得用电信息预测模型;将实时用电数据输入用电信息预测模型获取预测用电量;通过实时用电数据,以每个新能源电源的稳定运行发电量作为约束条件,计算每个新能源电源的稳定发电量;通过预测用电量与稳定发电量的差值,计算燃煤电厂的发电量;通过稳定发电量和燃煤电厂的发电量进行电力调度。以解决现有技术存在调度响应慢的问题。

【技术实现步骤摘要】

本专利技术涉及基于支持向量机的多类型电源与新能源协同方法,属于能源协调优化。


技术介绍

1、随着新能源技术的迅速发展,特别是风能、太阳能等可再生能源的大规模应用,电力系统的运行环境日益复杂。由于风能和太阳能,极度依赖于自然条件(如风速、阳光强度、云层覆盖等),这些条件本身具有高度的不确定性和变化性,如果采用传统的人工调度,会面临调度响应慢的问题,这给电网的稳定运行带来挑战。


技术实现思路

1、本专利技术要解决的技术问题是:基于支持向量机的多类型电源与新能源协同方法,以克服现有技术的不足。

2、本专利技术的技术方案为:基于支持向量机的多类型电源与新能源协同方法,所述方法包括以下步骤:

3、收集每个新能源电源的历史发电数据;

4、通过svm对历史发电数据进行训练获得每个新能源电源的发电量预测模型;

5、采集实时发电数据,将实时发电数据输入发电量预测模型获取预测发电量;

6、收集历史用电数据,通过svm对历史用电数据进行训练获得用电信息预测模型;

7、采集实时用电数据,将实时用电数据输入用电信息预测模型获取预测用电量;

8、通过实时用电数据,以每个新能源电源的稳定运行发电量作为约束条件,计算每个新能源电源的稳定发电量;

9、通过预测用电量与稳定发电量的差值,计算燃煤电厂的发电量;

10、通过稳定发电量和燃煤电厂的发电量进行电力调度。

11、进一步地,所述新能源包括风能发电、光伏发电和地热发电。

12、进一步地,所述新能源还包括储能电站。

13、进一步地,所述历史发电数据和实时发电数据对于风能发电站包括:时间、日期、风能发电量、风速和气压。

14、进一步地,所述历史发电数据和实时发电数据对于太阳能发电站包括:时间、日期、太阳辐照度和太阳能发电量。

15、进一步地,所述历史发电数据和实时发电数据对于地热能发电站包括:时间、日期、地热井温度、地热井压力和地热井流量。

16、进一步地,所述历史用电数据和实时用电数据包括用电量、时间、日期、温度、天气和用电区域地理位置。

17、进一步地,所述计算每个新能源电源的稳定发电量的方法如下:

18、

19、

20、

21、其中,ps,i(t)表示t时刻第i个新能源电站的稳定发电量,psvm,i(t)表示t时刻第i个新能源电站的预测发电量,σi表示第i个新能源电站的预测发电量的标准差,k和c是正常数。

22、本专利技术的有益效果是:与现有技术相比,本专利技术采用支持向量机(svm)模型来优化新能源与传统能源的协同电力调度,显著提高了新能源发电量的预测准确性,并有效应对其不确定性和波动性。通过结合实时与历史数据的分析,提升了电网的稳定性和能源利用效率,还促进了电力系统向更智能化、高效化的发展。同时,它为电力行业在可持续发展方面提供了重要的技术支持,有助于更好地融合可再生能源,减少对传统能源的依赖。

本文档来自技高网...

【技术保护点】

1.基于支持向量机的多类型电源与新能源协同方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的基于支持向量机的多类型电源与新能源协同方法,其特征在于,所述新能源包括风能发电、光伏发电和地热发电。

3.根据权利要求1所述的基于支持向量机的多类型电源与新能源协同方法,其特征在于,所述新能源还包括储能电站。

4.根据权利要求2所述的基于支持向量机的多类型电源与新能源协同方法,其特征在于,所述历史发电数据和实时发电数据对于风能发电站包括:时间、日期、风能发电量、风速和气压。

5.根据权利要求2所述的基于支持向量机的多类型电源与新能源协同方法,其特征在于,所述历史发电数据和实时发电数据对于太阳能发电站包括:时间、日期、太阳辐照度和太阳能发电量。

6.根据权利要求2所述的基于支持向量机的多类型电源与新能源协同方法,其特征在于,所述历史发电数据和实时发电数据对于地热能发电站包括:时间、日期、地热井温度、地热井压力和地热井流量。

7.根据权利要求2所述的基于支持向量机的多类型电源与新能源协同方法,其特征在于,所述历史用电数据和实时用电数据包括用电量、时间、日期、温度、天气和用电区域地理位置。

8.根据权利要求1所述的基于支持向量机的多类型电源与新能源协同方法,其特征在于,所述计算每个新能源电源的稳定发电量的方法如下:

...

【技术特征摘要】

1.基于支持向量机的多类型电源与新能源协同方法,其特征在于,所述方法包括以下步骤:

2.根据权利要求1所述的基于支持向量机的多类型电源与新能源协同方法,其特征在于,所述新能源包括风能发电、光伏发电和地热发电。

3.根据权利要求1所述的基于支持向量机的多类型电源与新能源协同方法,其特征在于,所述新能源还包括储能电站。

4.根据权利要求2所述的基于支持向量机的多类型电源与新能源协同方法,其特征在于,所述历史发电数据和实时发电数据对于风能发电站包括:时间、日期、风能发电量、风速和气压。

5.根据权利要求2所述的基于支持向量机的多类型电源与新能源协同方法,其特征...

【专利技术属性】
技术研发人员:刘亦驰吴方权纪元周玲李雄汤成佳代湘蓉胡骏涵袁捷陈卿刘文霞舒彧于大勇纪佳希陈胜
申请(专利权)人:贵州电网有限责任公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1