公开(公告)号：CN111461463A

公开(公告)日：2020-07-28

申请号：CN202010369892.8

申请日：2020-04-30

Applicant: 南京工程学院

Inventor： 卞海红 ,  孙健硕 ,  周一健

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/06

Abstract: 本发明公开了一种基于TCN-BP的短期负荷预测方法、系统及设备，包括如下步骤：采集负荷数据及主要气象因素数据；对数据进行预处理和灰色关联度分析；将气象因素数据分为时序性和非时序性数据，对历史时序性数据进行TCN降维处理；以降维处理后的数据和非时序性数据为输入，负荷数据为输出，代入BP神经网络进行训练直到网络收敛；利用训练完成的反传网络完成负荷预测，输出负荷预测数据。本发明基于传统的BP神经网络，融合TCN时间卷积神经网络对短期负荷进行预测，可以克服传统BP神经网络基于梯度训练的缺点，同时能够有效提高收敛速度，可有效提高短期负荷预测的精度。

公开(公告)号：CN111461463B

公开(公告)日：2023-11-24

申请号：CN202010369892.8

申请日：2020-04-30

Applicant: 南京工程学院

Inventor： 卞海红 ,  孙健硕 ,  周一健

IPC: G06Q10/04 ,  G06N3/0499 ,  G06N3/0464 ,  G06N3/084 ,  G06Q50/06

Abstract: 本发明公开了一种基于TCN‑BP的短期负荷预测方法、系统及设备，包括如下步骤：采集负荷数据及主要气象因素数据；对数据进行预处理和灰色关联度分析；将气象因素数据分为时序性和非时序性数据，对历史时序性数据进行TCN降维处理；以降维处理后的数据和非时序性数据为输入，负荷数据为输出，代入BP神经网络进行训练直到网络收敛；利用训练完成的反传网络完成负荷预测，输出负荷预测数据。本发明基于传统的BP神经网络，融合TCN时间卷积神经网络对短期负荷进行预测，可以克服传统BP神经网络基于梯度训练的缺点，同时能够有效提高收敛速度，可有效提高短期负荷预测的精度。

公开(公告)号：CN113344245A

公开(公告)日：2021-09-03

申请号：CN202110484041.2

申请日：2021-04-30

Applicant: 南京工程学院

Inventor： 李诗谦 ,  狄潇 ,  李佳鑫 ,  周一健 ,  王倩

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种混合深度学习短期预测模型、方法、存储介质和计算设备，包括采集近期负荷数据，划分训练集和预测集。首先利用SVD算法对数据进行分解，提取有效信息；其次，采用VMD分解算法对所得残差进行二次分解，减小序列波动性和随机性；再次，将分解获得的分量分别使用LSTM和TCN模型预测；另外，在LSTM和TCN训练时，使用遗传算法寻找模型中的最优超参数；最后，将每个成分的预测值相加，得到预测结果。本发明基于电力负荷数据，依次对数据进行降维、分解，有效组合多种算法，训练LSTM和TCN模型，弥补了单模型的性能缺陷，使模型获得更高的预测精度。

公开(公告)号：CN113128615A

公开(公告)日：2021-07-16

申请号：CN202110484059.2

申请日：2021-04-30

Applicant: 南京工程学院

Inventor： 李佳鑫 ,  周一健 ,  李诗谦 ,  雷镇哲 ,  王倩

IPC: G06K9/62 ,  G06N3/08 ,  G06N3/04 ,  H04L29/06 ,  H04L12/24

Abstract: 本发明公开了一种基于PCA的BP神经网络对信息安全的检测系统、方法、应用，包括采集近期影响信息安全的风险因素的数据，模拟专家对评价因素集进行评价。构建训练样本和预测样本；利用SVD对训练样本和预测样本中的数据进行降维处理；用降维后的训练样本进行模糊小脑神经网络训练；将降维后预测样本带入训练好的模糊小脑神经网络，获得预测结果。同时公开了相应的系统以及应用。本发明基于影响信息安全的风险因素种类、风险等级数据，依次对数据进行降维、分解，训练神经网络，最后神经网络进行预测，大大增强了预测的准确性。