当前位置: 首页 > 专利查询>湘江实验室专利>正文

一种多参数融合电力负荷预测方法技术

技术编号:43093486 阅读:30 留言:0更新日期:2024-10-26 09:40
本发明专利技术涉及电力负荷预测技术领域,尤其涉及一种多参数融合电力负荷预测方法,该方法包括:实时监测光照强度、温度和水流量;温度变化标准差超阈值时修正电力负荷;光照强度超标准值时计算水流量标准差;水流量标准差与预设范围比较;根据判定结果计算并输出预测电力负荷值。本发明专利技术通过多层次的数据判定和实时修正机制,显著提高了预测的准确性和灵活性。利用温度变化、光照强度和水流量的标准差进行动态调整,使得预测结果能够更好地反映实际环境条件和设备运行状态,减少了预测误差,增强了系统对环境变化的响应能力,优化了电力负荷的管理和调度,有效解决了因传统预测模型训练数据对环境变化数据采集单一导致预测精度不足的问题。

【技术实现步骤摘要】

本专利技术涉及电力负荷预测,尤其涉及一种多参数融合电力负荷预测方法


技术介绍

1、随着电力需求的不断增长以及对能源效率和环境保护要求的提高,精确预测电力负荷成为了电力系统管理中的重要挑战,尤其是在农业环境如温室中,光照、温度和灌溉等因素对电力需求有着直接的影响。温室种植作为一种高效、可控的农业生产方式,得到了广泛应用。温室环境中,光照、温度和灌溉等因素对作物的生长和产量有着至关重要的影响。由于这些因素的变化直接影响到电力需求,因此对电力负荷的准确预测成为保障温室生产稳定性和能源效率的关键。为了应对这种需求,农业领域逐渐引入智能监测和预测技术,以实现对电力负荷的动态调整,从而提高能源利用率,降低运营成本,并确保作物的最佳生长环境。

2、中国专利申请公开号为cn110991722a的专利文献公开了一种多参数融合电力负荷预测方法,该方法包括构建预测模型的训练数据集和测试数据集;建立基于分层并行式贝叶斯神经网络的预测模型;将训练数据集中的训练样本输入基于分层并行式贝叶斯神经网络的预测模型进行训练;将测试数据输入到训练好的预测模型中进行预测,得到电力负本文档来自技高网...

【技术保护点】

1.一种多参数融合电力负荷预测方法,其特征在于,包括:

2.根据权利要求1所述的多参数融合电力负荷预测方法,其特征在于,所述根据预设的修正时长内的全部实时温度和与预设的温度变化标准差阈值进行判定,形成温差波动倾向包括:

3.根据权利要求2所述的多参数融合电力负荷预测方法,其特征在于,所述根据温差波动倾向修正预设的标准电力负荷值包括:

4.根据权利要求3所述的多参数融合电力负荷预测方法,其特征在于,所述根据预设的预测时长内的全部实时光照强度和预设的标准平均光照强度进行判定,形成辐照波动倾向包括:

5.根据权利要求4所述的多参数融合电力负荷预测...

【技术特征摘要】

1.一种多参数融合电力负荷预测方法,其特征在于,包括:

2.根据权利要求1所述的多参数融合电力负荷预测方法,其特征在于,所述根据预设的修正时长内的全部实时温度和与预设的温度变化标准差阈值进行判定,形成温差波动倾向包括:

3.根据权利要求2所述的多参数融合电力负荷预测方法,其特征在于,所述根据温差波动倾向修正预设的标准电力负荷值包括:

4.根据权利要求3所述的多参数融合电力负荷预测方法,其特征在于,所述根据预设的预测时长内的全部实时光照强度和预设的标准平均光照强度进行判定,形成辐照波动倾向包括:

5.根据权利要求4所述的多参数融合电力负荷预测方法,其特征在于,所述根据辐照波动倾向计算预设的预测时长内的全部实时灌溉水流量的标准差,得到水流量标准差包括:

6.根据权利要求5所述的多参数融合电力负荷预测方法,其特征在于,所述根据预设的预测时长内的全部实时光照强度和预设的光照强度变化标准差阈值进行判定,形成目标辐照值包括:

7.根据权利要求6所述的多参数融合电力负荷预测方法,...

【专利技术属性】
技术研发人员:苏长青蒋文涛陈荣元易国栋施光泽张军号
申请(专利权)人:湘江实验室
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