申请/专利权人:南昌大学
申请日:2023-06-17
公开(公告)日:2023-09-19
公开(公告)号:CN116780511A
主分类号:H02J3/00
分类号:H02J3/00;H02J3/24
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.10.10#实质审查的生效;2023.09.19#公开
摘要:本发明公开了一种基于SARIMA模型的电力系统惯量预测方法,提出了SARIMA‑LSTM模型,首先对给定时间序列的观测值进行周期性检验,时间序列通过STL分解后分开预测建立SARIMA模型;然后,对其进行误差补偿分析,利用误差数据训练LSTM神经网络;训练完成后,利用现有历史误差数据预测未来误差;最后,结合SARIMA模型的预测值和LSTM的误差补偿值得到指标值未来12小时的预测值。该发明不仅能够准确的反映电力系统不同运行状态下的惯量的动态变化,为电网稳定运行以及新能源并网提供辅助决策,而且可以根据实测数据实时更新预测结果。
主权项:1.一种基于SARIMA模型的电力系统惯量预测方法,其特征在于,包括以下步骤:步骤1,获取前n时刻的时间序列观测值作为误差补偿惯量预测模型的输入;步骤2,通过季节趋势分解STL对时间序列进行趋势解离、预测建立SARIMA模型;步骤3,SARIMA模型将时间序列进行分开预测,周期预测采用解离的周期波动值,趋势预测使用ARIMA模型;步骤4,对SARIMA模型进行误差补偿分析,利用误差数据训练LSTM神经网络;步骤5,利用现有的历史误差数据通过训练完成的LSTM神经网络来预测未来的误差;步骤6,结合SARIMA模型的预测值和LSTM神经网络的误差补偿值得到指标值未来12小时的预测值。
全文数据:
权利要求:
百度查询: 南昌大学 一种基于SARIMA模型的电力系统惯量预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。