摘要
一种适应季节变化的新型电力系统等效惯量短期预测方法,将电网全年惯量按四季划分,应用ICEEMDAN算法进行分解;采用精细复合多尺度模糊熵RCMFE算法将按四季划分并分解后的子序列聚合;采用mRMR特征提取算法,筛选出影响四季惯量变化最相关的特征因素,作为系统惯量预测的输入数据;采用Min‑Max归一化方法对系统惯量预测所需的输入数据进行放缩处理;构建电力系统惯量短期预测模型,对不同季节惯量的不同分量进行预测,累加得到最终预测结果,实现电力系统惯量预测。该方法充分利用季节变化信息,保证了电力系统惯量短期预测的高效准确,有利于电网调度部门制定相应的控制措施。
技术关键词
短期预测方法
新型电力系统
特征提取算法
复合多尺度
归一化方法
EMD算法
序列
变量
神经网络模型训练
超参数
噪声
特征选择算法
数据
模糊函数
因子
相位误差
频率
系统为您推荐了相关专利信息
监管方法
图像传输单元
追踪算法
更新模型参数
监管系统
事件分派方法
特征提取算法
动态规划算法
映射算法
地理位置特征
负荷短期预测方法
灰色关联度
节点
代表
皮尔逊相关系数
短期预测方法
轨迹预测模型
山区
粗糙度
卷积神经网络结构