相似日

摘要： 变压器顶层油温受天气状况、潮流负荷等诸多因素影响,其预测精度难以提高。为解决此问题,文中提出一种基于相似日和相似时刻的变压器顶层油温预测方法,在相似日内进一步选择待预测日各时刻所对应的相似时刻,进而利用相似时刻预测变压器顶层油温。首先采用基于气象因素的K-means聚类和时间“近大远小”原则,从历史样本中选择得到待预测日的相似日。然后在充分研究相似时刻定义描述和判断依据的基础上,基于反向传播(BP)神经网络和线性加权方法给出了顶层油温预测方法的计算步骤,并将其应用到江苏某特高压主变顶层油温的预测工作中。最后,结果表明该方法预测变压器顶层油温的精度较高,从而验证了该方法的有效性与可行性。

摘要： 针对光伏功率输出的随机性,以皮尔逊相关系数确定影响因素,用最佳相似日及预测日的气象因素作为输入,预测功率输出,设计了基于皮尔逊相关系数和最佳相似日的径向基函数神经网络预测模型。用光伏电站的气象数据对模型进行训练和预测,结果表明模型具有较好的预测能力。

摘要： 为了提高短期电力负荷预测精度,提出了运用相似日选择与长短期记忆的短期负荷双向组合预测方法。首先,以关联度大小为标准,根据归一化后的待预测日气象因素序列确定数据集;然后,使用长短期记忆神经网络分别进行横向预测和纵向预测,利用最小方差法计算每一个采样点的横向、纵向预测值的权重,得出双向组合预测结果;最后,充分考虑气象因素对负荷数据的影响,利用最小方差法兼顾负荷数据的时序性、日周期规律性和非线性三者之间的关系进行实验,实验结果表明该方法的预测效果更佳。

摘要： 针对自动化水平低的配电线路故障停电后难以准确快速定位故障区段和停电范围的问题,提出了一种基于馈线负荷骤降度的配电网故障研判方法。该方法在馈线首端有功功率的骤降度大于一定阈值时启动,然后利用计量自动化系统中配变的历史负荷数据预测故障前馈线上各配变的有功功率,并计算馈线上各开关的负荷占比。通过比较馈线负荷骤降度与各开关负荷占比值,判断故障跳闸开关及停电范围。工程实例的分析结果表明,该方法能够准确定位故障跳闸开关,实时性好,为配电网提供了一种不依赖配电网自动化系统的新的故障研判手段。

摘要： 分布式户用光伏发电系统的精确日前功率预测可为智能家庭优化运行提供依据,但历史数据量少和缺乏精确辐照预报数据的问题增大了预测难度。为此,将邻近多用户数据融合以扩充样本规模,提出一种考虑功率关联性和相关度权重的相似日搜索方法,并基于长短期记忆(LSTM)神经网络实现日前预测。分析光伏发电功率的影响因素及其内在相关性,基于天气类型统计数据划分日类型,并利用气象信息、相同日类型的历史功率信息和皮尔逊积矩相关系数构造加权扩展日特征矩阵。提取历史数据中与待预测日特征矩阵欧氏距离最小相似日的光伏功率,将其与关键气象特征共同输入LSTM神经网络模型进行预测。以北美丹佛市多个用户的实测数据验证了所提方法的有效性,该方法能够适用于历史数据受限的场景,且在多种天气类型下显著降低了预测误差。

摘要： 机场流量的精准预测是实施航班控制策略、提高航班正常性的重要依据。为准确把握机场流量分布及变化趋势,提出一种基于机场相似日的粒子群优化支持向量机流量预测方法。首先,通过对目标机场在不同天气下的运行情况进行历史数据统计,构建相似度矩阵建立灰色聚类模型对机场相似日进行筛选;其次,采用粒子群优化的支持向量机方法对筛选出的相似日样本进行训练,对机场交通流量进行预测;最后,以广州白云机场的的运行情况为例进行验证。研究结果表明,所提方法较相似日-BP神经网络及传统的PSO-SVM预测方法精度分别提高了1.03%和5.28%,预测精度较高、稳定性较好,可充分反映交通流的动态变化。

摘要： 图书馆在高校建筑中具有非常重要的地位,有较大的节能潜力.然而,近年来对于高校图书馆建筑节能的研究偏少,本文通过提出一种基于相似日LM(Levenberg-Marquardt)神经网络的高校图书馆能耗预测模型,为高校图书馆能耗研究提供参考.以我国某高校图书馆为例,首先通过统计分析的方法得到影响图书馆能耗较为重要的因素,即室内人员、开放策略及气温.然后利用模糊聚类法划分相似日,依据相似日将原有数据进行筛选.接着将处理后的数据对预测模型进行训练.最后将改进后的预测模型与原预测模型的各项指标进行对比分析.依据对比结果可知,改进后模型的平均绝对百分比误差和均方误差分别降低了1.28%和23.06,拟合度提高了0.0421.

摘要： 为充分发掘历史信息,解决气象数据不足影响预测精度的问题,采用灰色关联分析(GRA)选取天气相似日和CNN-LSTM混合神经网络的方法来预测电力负荷。利用GRA计算每日各气象因素与日总负荷的灰色关联度,再计算各日与典型日的相同气象因素之间的欧氏距离,将各气象因素的欧氏距离分别乘以对应因素的关联度,并将同一天的结果累加,得到一个综合得分。选取待预测日之前分数最低的5天作为相似日,将相似日各时刻的负荷数据输入CNN-LSTM网络中,预测出待预测日的负荷,通过与其他模型对比,验证了该方法的有效性。

摘要： 针对光伏发电功率存在随机性和波动性较强、预测精度较低的问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)和改进松鼠觅食算法优化核极限学习机(improved squirrel search algorithm optimization kernel extreme learning machine,ISSA-KELM)的预测模型。首先,利用高斯混合模型(Gaussian mixture model,GMM)将光伏发电功率数据进行聚类,得到不同天气类型下的相似日样本。其次,利用VMD对原始光伏发电功率序列进行平稳化处理,得到若干个规律性较强的子序列。然后,对不同子序列构建KELM预测模型,并使用ISSA优化KELM的核参数和正则化系数。最后,将不同子序列的预测值进行重构,得到最终预测结果。结合实际算例,结果表明:所提出的VMD-ISSA-KELM模型在不同天气条件下均能得到满意的预测精度,且明显优于其他模型,验证了其有效性和优越性。

摘要： 高质量光伏功率数据是光伏发电和并网研究的基础,但光伏电站的实际运行功率数据中通常含有高比例的异常数据,且异常和正常数据的界限不明显,传统的新能源异常数据识别方法难以应对此类型的异常数据。分析光伏功率连续型异常数据和离散型异常数据的典型特征,提出了一种高比例异常数据的组合识别方法。首先,基于连续型异常数据在时间上具有连续性的特点,采用相似日同时段均值对比算法剔除连续型异常数据;其次,基于离散型异常数据与正常数据相比较为分散的特点,采用四分位法剔除离散型异常数据。算例分析表明,所提方法能够适应具有异常数据和正常数据界限不明显特征的高比例异常数据条件,有效识别连续型异常数据和离散型异常数据,从而大幅提高了辐照度和光伏功率的线性相关程度。

摘要： 本文提出采用相似日选取算法,选取最邻近的一个相似日与待测日气象特征向量的差值构成径向基(RBF)神经网络的基本输入数据空间,而径向基神经网络的输出是待预测的光伏阵列的输出功率.同时设计了基于相似日和径向基神经网络的光伏阵列输出功率预测模型.并利用中国西北某地光伏发电系统中的实测数据验证了该模型可行性及实用性.

摘要： 对受多种不确定性因素影响的短期电力负荷预测,提出了一种基于模糊聚类选取相似日的短期电力负荷预测方法.该方法首先针对气象类型的不确定性因素,将气象因素细分为气温、气压、风速、阴雨等情况,和星期类型、日期类型一起构成相似日的影响因素,通过模糊规则建立模糊系数特征映射表,实现了影响因素的量化.然后再采用模糊聚类方法进行分类,根据聚类水平选取相似日,从而达到减少样本数量,加快选取速度的目的.接着针对获取的相似日负荷数据中含有非高斯噪声的问题,利用小波变换获取其低频分量,从而有效地消除了非高斯噪声的影响.再采用PSO优化的支持向量机实现短期电力负荷低频部分的预测,采用加权平均方法实现高频部分的预测,提高了预测精度.最后利用上海市某电网的负荷数据进行应用研究,不但在平时日,而且在周末和节假日,都取得了较好的预测效果.

摘要： 针对短期电力负荷的特点,提出了一种基于相似日的支持向量机预测模型。利用相似日方法描述由于多种相关因素的不同而导致的预测日和历史日之间的差异程度,选用特征量相同或相近的历史负荷数据作为支持向量机的输入变量进行预测。用该方法可以较多的考虑各种预测因素,通过和单一的支持向量机模型的实验结果表明,该方法具有更高的预测精度。

摘要： 在分析传统相似日选取不足之处的基础上，本文提出了将形状相似度与日特征相似度相结合的两种改进的相似日评价函数，并对这两种改进的方法的误差特性进行了实例的对比分析，得出了相似日方法在短期预测中的部分共有的性质。最后，结合回归预测方法，组成一种系统的短期负荷预测方法，通过实际数据的仿真实验证明该方法在传统相似日的基础上精度可以提高1.5%，是一种相对完整而有效的短期负荷预测方法。

摘要： 本发明公开了一种基于相似日辐照预测的光伏跟踪系统优化跟踪方法，通过获取气象台预报未来一天的气象参数作为基向量，选取具有相同天气现象的N天历史气象参数向量，以k近邻法选取k个距离基向量最临近向量计算未来一天水平面总辐照及地表法向直接辐照分布；通过光伏跟踪系统预定跟踪策略、日‑跟踪系统‑地三者几何关系、及散射辐照模型，计算光伏跟踪系统表面直射和散射辐照分布；最终综合对光伏跟踪系统的发电量与用电量、最佳倾角安装及水平安装光伏系统的发电量进行评估，选择未来一天最佳运行方式。本发明可以计算比较测量地点不同安装方式下的发电量差异，平衡光伏跟踪系统发电量与用电量，得到最佳发电成本的光伏跟踪系统运行方式。

摘要： 本发明属于负荷预测技术领域，具体涉及基于重过载概率统计和相似日的配变负载率修正预测方法。本发明通过统计近期各时刻点上负载率重过载的概率，获取存在重过载可能性的时刻点，专注修正存在重过载可能性的时刻点，提高修正效率；考虑到短期外界因素对负载率峰值的影响，借助预测日前一日的负载率曲线找到预测日的负载率相似日，然后根据预测日前一日和相似日的负载率峰值高度在存在重过载概率的时刻点对初始预测负载率曲线进行修正，提高了重过载部分的预测精度，解决了重过载漏判的问题。

摘要： 本发明公开了一种基于相似日的光伏发电功率短期预测方法、装置及存储介质，通过获取的气象信息，并确定天气类型，然后根据气象信息和天气类型利用相似度分析理论构建相似日样本集，对相似日样本集历史光伏发电功率数据进行分解，提取中频分量构建短期预测中频信息，然后基于相似日样本集的气象信息、短期预测中频信息和历史光伏发电功率数据训练神经网络，得到光伏发电功率短期预测模型，以预测日的气象信息和短期预测中频信息作为输入，预测预测日光伏发电短期功率。可以实现不同气象条件下光伏发电短期功率的有效预测，对光伏发电并网和电站的稳定运行的拓展研究工作提供基础。

摘要： 本发明公开了一种基于相似日的日前光伏发电功率预测方法及系统，方法包括：S1，将气象因素进行量化，赋予特定天气状况对应的取值；S2，确定待预测日与特定历史日针对不同的天气特征的关联系数；S3，计算待预测日与特定历史日的综合关联度，根据综合关联度确认相似日，得到待预测日的光伏发电功率预测值；S4，对待预测日光伏发电功率预测值进行修正。系统包括：天气状况赋值装置，关联系数设置装置，计算装置和修正装置。本发明能够，根据相似日的光伏发电功率值计算得到待预测日光伏发电功率的预测值，提高相似日法光伏发电功率的预测精度。

摘要： 本发明属于电力系统运行与控制技术领域，涉及一种基于相似日选取和分类分时误差修正的光伏功率预测方法，包括：得到每日特征气象数据和有功功率；基于欧式距离阈值划分法实现相似日分类；得到日内和日间数据特征；对各类相似日数据分开训练预测；得到每类相似日训练样本在不同时间点的预测误差；对新一天特征气象数据统计分析，与前述日内和日间数据特征进行差距度分析，完成相似日归类，利用对应训练模型，实现初步功率预测；据相似日内分时误差，实现分时误差修正，得到最终的有功功率预测值。方法利用功率间相似性实现相似日分类，相比于利用数值天气预报数据实现相似日分类更直观，针对不同相似日分别预测，实现误差修正，提高预测精度。

摘要： 本发明涉及了一种基于相似日理论和改进极限学习机的光伏功率预测方法，包括：将数据集采用AdaBoost分类方法对数据进行预处理，去除错误数据；采用皮尔森系数法计算出天气类型影响光伏发电的相关系数，并选取出影响光伏发电的主要天气类型；采用k‑NN结合核Fisher的方法对数据集按照天气类型进行分类，首先采用k‑NN对数据进行首次分类，对不能进行分类的数据采用核Fisher的方法进行再次分类；采用改进的极限学习机按照不同天的天气类型进行光伏功率预测。本发明同时兼顾安全性和合理性的要求，有助于电力调度部门准确合理地安排电网运行方式以减少调度偏差，提高电网安全稳定运行。

摘要： 本发明公开一种基于日相似聚类与Kmeans‑GRA‑LSTM的光伏电站短期功率预测方法，首先获取某光伏电站的功率数据和所在地的多元气象因子数据并对数据进行预处理。后提取功率特征值并使用K‑means聚类算法进行聚类。根据功率特征值聚类结果对应多元气象因子，将数据归一化处理并提取多元气象因子特征向量。选取预测日的多元气象因子特征向量，选取与预测日关联度较高的功率和多元气象因子数据作为相似日样本，选用算术优化算法对LSTM的参数进行优化，构建LSTM网络拓扑结构。根据构建完成的LSTM，预测某光伏电站的并网点功率。本发明为解决短期光伏功率预测提供了一种方案和思路。

摘要： 本发明涉及一种用于短期负荷预测的相似日选取方法及装置，所述方法包括获取负荷、气象因素的历史数据并根据所述历史数据获取训练样本集；采用所述训练样本集对机器学习模型进行训练，得到相似度预测模型；所述相似度预测模型用于表示样本特征与负荷相似度之间的关系；通过所述相似度预测模型计算所述待预测日之前的第一预设天数的历史日数据与预获取的待预测日预测数据的相似度，得到预测相似度；根据所述预测相似度确定相似日。本发明提供的技术方案是基于机器学习算法构建的数据驱动的模型，使得相似日的计算更加简单，提高了预测精确度，预测效果更佳。

摘要： 本发明公开了一种民航管制运行现场相似日度量系统，具体涉飞机航线管理领域，包括数据采集系统、气象数据处理模块、数据服务器、交换器、系统用户终端以及HMI，本发明通过UDP协议接收综合航迹数据，通过FTP协议接收飞行计划数据，以及通过用户自定义的流量策略信息和容量，然后，相似日度量系统将接收的数据进行解析、封装，生成并维护有效、实时的航迹信息，并通过Random Forest算法模型在相似日度量系统HMI界面进行显示，从而方便根据HMI界面显示的航空器飞行流量以及轨迹给出全面、客观地管制现场运行建议。

摘要： 本发明提供一种基于相似日选择的城市轨道交通客流预测方法。本发明根据预测日期为普通日或特殊日而进行前向逐日检索或双向定位检索，取其中相似度较高的d天作为相似日样本，进而对相似日采用平均值法和二次指数平滑法进行预测和误差分析，获得客流预测值。本申请采用定量转化、归一化、构造函数法等方法，分别计算温度、星期类型、节假日属性、日期距离等因素的相似度，构建出包含多类型参数的累乘函数。结合城市轨道交通客流数据对本申请的预测方法进行拟合及验证，结果表明本文提出的相似日选择模型准确可靠，对提高客流预测精度具有重要价值。