公开(公告)号：CN115860270A

公开(公告)日：2023-03-28

申请号：CN202310139104.X

申请日：2023-02-21

Applicant: 保定博堃元信息科技有限公司 ,  河北大学

Inventor： 张照彦 ,  辛博 ,  成霄楠 ,  王帅虎 ,  刘志宾 ,  刘志恒 ,  孙绣程 ,  田孟德

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08 ,  H02J3/00

Abstract: 本发明公开了一种基于LSTM神经网络的网供负荷预测系统及方法，包括CNN‑BiLSTM‑Skip混合神经网络模型，其包括：卷积层，用于从负荷变化的时间序列数据中提短期模式和变量之间的局部依赖关系；循环层，用于捕捉历史信息中相对长期的依赖关系；循环跳过层，用于捕获负荷序列中超长期的重复模式；全连接层，用于组合循环层和循环跳过层的输出作为非线性部分的预测结果；以及自回归层，用于预测负荷数据中的线性部分。本发明采用上述基于LSTM神经网络的网供负荷预测系统及方法，完成日前、日内和实时多时间层次负荷预测，实现了油气田区负荷的精准预测。

公开(公告)号：CN117522626A

公开(公告)日：2024-02-06

申请号：CN202311517137.X

申请日：2023-11-15

Applicant: 河北大学

Inventor： 张照彦 ,  王帅虎 ,  王培光 ,  刘志宾 ,  刘志恒 ,  孟爱文 ,  付磊 ,  孙绣程

IPC: G06Q50/06 ,  H02J3/00 ,  H02J3/38 ,  H02S50/00 ,  H02S40/30 ,  G06Q10/04 ,  G06F18/243 ,  G06N20/20 ,  G06F18/27 ,  G06N3/0442 ,  G06F18/10

Abstract: 本发明公开了一种基于特征选择与异多模型融合光伏出力预测方法，应用于光伏预测技术领域。包括以下步骤：获取光伏出力预测数据集，对光伏出力预测数据集进行归一化处理，利用相关性系数与XGBoost模型和GRU模型对归一化处理后的光伏出力预测数据集进行特征分析；根据误差相关性，选择对应模型作为基模型，对数据集进行五折划分，并进行交叉验证；使用划分后的数据集进行训练，并输出预测结果，纵向叠加生成新的数据集，对测试集进行精度加权；使用新的数据集进行训练，则基于多模型融合的Stacking集成学习算法训练完成。本发明可以剔除无用和冗余的特征、有效降低特征维度，最大限度保存特征信息。