基于深度学习的综合能源分布式风力发电预测方法及系统

    公开(公告)号:CN115330040A

    公开(公告)日:2022-11-11

    申请号:CN202210937499.3

    申请日:2022-08-05

    Abstract: 本发明提供一种基于深度学习的综合能源分布式风力发电预测方法及系统,结合CNN‑GRU深度学习算法对分布式风力发电进行准确预测,首先利用CNN提取各个风力发电机组数据之间的相关性,进而输入GRU,在利用GRU对时序数据的记忆功能的同时,又避免了像LSTM网络权重过多影响训练速度的问题,从而保证了预测的时效性、准确性。针对数据源中存在的缺失值,本发明基于相似性原理,利用与缺失值相似的数据点的加权平均值对缺失值进行填充,避免了丢弃所带来的模型训练数据量不足的问题。本发明通过利用GRU神经网络训练CNN传入的特征数据,在保证临近时间相关性的同时,缩减了模型训练的时间。

    一种基于特征嵌入-transformer联邦学习的多场站风电功率预测方法

    公开(公告)号:CN119627898A

    公开(公告)日:2025-03-14

    申请号:CN202411807491.0

    申请日:2024-12-10

    Abstract: 本发明涉及一种基于特征嵌入‑transformer联邦学习的多场站风电功率预测方法,所述方法包括以下步骤:步骤1:数据预处理,步骤2:特征嵌入Embedding,步骤3:构建transformer预测模型,步骤4,联邦学习联合训练。该方案引入动态特征嵌入算法,在特征输入模型之前,对当前特征进行特征嵌入计算,一方面解决不同场站的特征数据不一致问题,另一方面动态词嵌入算法的引入可以充分利用不同特征之间的相关关系。transformer可以直接捕捉任意两个位置之间的依赖关系,不受序列长度的影响,能够更好的处理时序数据的预测问题,另外transformer相对于lstm可以完全实现并行计算,从而大大提升了模型的计算效率。

    基于lstm神经网络的在线分布式光伏发电预测方法

    公开(公告)号:CN115310657A

    公开(公告)日:2022-11-08

    申请号:CN202210710551.1

    申请日:2022-06-22

    Abstract: 本发明提供一种基于lstm神经网络的在线分布式光伏发电预测方法,包括:数据预处理;构建lstm神经网络训练模型;处理预测输入特征;模型在线更新。本发明预测时通过相似日规则确定待预测日期的输入特征,并定期加入新数据对模型进行增量训练,进而保证分布式发电预测结果的长期准确有效;通过分析缺失值附近的点,通过knn方法取得与附近点距离较近的几个点,通过加权平均的方式对当前的缺失值进行填充,填充效果好;在对lstm网络进行训练时加入天气预报的气象数据,从而相比于以往单纯依靠时序数据的方式,在一定程度上可以更加充分有效的拟合分布式发电数据的分布情况。

    基于PCC-XGBoost光伏系统清洗策略生成方法及系统

    公开(公告)号:CN117764346A

    公开(公告)日:2024-03-26

    申请号:CN202311795354.5

    申请日:2023-12-25

    Abstract: 本发明公开的基于PCC‑XGBoost光伏系统清洗策略生成方法,包括:获取与光伏系统运行相关的原始数据;将数据划分为训练集、测试集;获取当前日期气象数据,采用PCC算法与历史气象数据进行相似性计算,得到特征向量;采用SMOTE算法对数据量较小类别进行采集,以消除数据不均衡;采用XGBoost算法构建光伏清洗策略模型,输入训练集的特征数据和标签数据,优化模型参数;采用测试集进行验证,将测试集的特征数据输入训练好的光伏清洗策略模型,模型输出为光伏系统清洗策略,将模型输出与测试集的标签数据做对比,以验证模型输出的可靠性。本发明利用相似性原理获取与当前日期气象条件最为相似的历史发电数据,从而保证决策模型的准确性。

    一种基于深度强化学习的电网断面功率调整策略

    公开(公告)号:CN115864409A

    公开(公告)日:2023-03-28

    申请号:CN202310027483.3

    申请日:2023-01-09

    Abstract: 本发明提供了一种基于深度强化学习的电网断面功率调整策略,其特征在于,包括发电机组的选取和深度强化学习模块,其中所述发电机组的选取包括:断面功率调整,综合考虑机组的灵敏度、经济性与碳排量多方面因素,在维持断面潮流收敛并快速到达目标值时,机组运行的经济型与碳排量达到最优;所述深度强化学习模块包括模块的训练与验证,训练阶段通过设定的状态、动作、奖励值与奖励折扣系数,反复向模型中输入断面状态,并产生对应的动作经过计算最终获得拟合状态与动作关系的学习模型;对于验证阶段验证其是否能使断面功率快速到达目标值,并保证断面整体的经济性与碳排量;本发明在保证电网安全稳定运行的前提下,使得断面功率快速到达目标值。

Patent Agency Ranking