-
公开(公告)号：CN112949945A
公开(公告)日：2021-06-11
申请号：CN202110404300.6
申请日：2021-04-15
Applicant: 河海大学
Abstract: 本发明公开了一种改进双向长短期记忆网络的风电功率超短期预测方法，包括如下步骤：对训练样本进行数据预处理；采集风电场的历史风功率数据向量，选取数值天气预报中与风电功率数据相关性最大的数据，并进行归一化处理；在双向长短期记忆网络和全连接层之间融入注意力机制模型，利用训练集对改进双向长短期记忆网络算法模型进行训练和参数优化；将测试集输入改进双向长短期记忆网络模型建立风电功率超短期预测模型，计算风电功率一小时后输出值Ppre。本发明利用双向长短期记忆网络对历史功率数据以及数字天气预报的双向记忆性能，融入注意力机制，对双向长短期记忆网络的隐藏层输出进行加权，有效的提高了预测精度。
-
公开(公告)号：CN111695666A
公开(公告)日：2020-09-22
申请号：CN202010453559.5
申请日：2020-05-26
Applicant: 河海大学
Abstract: 本发明公开了一种基于深度学习的风电功率超短期条件概率预测方法，该方法首先将风电功率历史数据划分训练集和验证集；然后利用训练样本对深度置信网络模型进行训练，同时使用粒子群优化算法对网络结构参数进行寻优，得到最佳预测模型结构；其次将验证集输入训练好的模型，输出值为待预测时刻风电功率预测值；最后根据提出的条件，筛选出新的数据集，根据中心极限定理，结合概率论知识计算出概率预测区间。本发明是基于深度学习的风电功率超短期条件概率预测方法，基于点预测的基础上考虑一定条件结合概率论和数理统计知识，计算功率输出区间，给电网工作人员提供了更多的决策信息。
-
Patent Agency Ranking
公开(公告)号：CN112949945B
公开(公告)日：2022-09-02
申请号：CN202110404300.6
申请日：2021-04-15
Applicant: 河海大学
Abstract: 本发明公开了一种改进双向长短期记忆网络的风电功率超短期预测方法，包括如下步骤：对训练样本进行数据预处理；采集风电场的历史风功率数据向量，选取数值天气预报中与风电功率数据相关性最大的数据，并进行归一化处理；在双向长短期记忆网络和全连接层之间融入注意力机制模型，利用训练集对改进双向长短期记忆网络算法模型进行训练和参数优化；将测试集输入改进双向长短期记忆网络模型建立风电功率超短期预测模型，计算风电功率一小时后输出值Ppre。本发明利用双向长短期记忆网络对历史功率数据以及数字天气预报的双向记忆性能，融入注意力机制，对双向长短期记忆网络的隐藏层输出进行加权，有效的提高了预测精度。
-
公开(公告)号：CN113902170A
公开(公告)日：2022-01-07
申请号：CN202111059147.4
申请日：2021-09-10
Applicant: 国网山东省电力公司经济技术研究院 , 国家电网有限公司 , 河海大学
Inventor： 魏佳 , 鉴庆之 , 李文升 , 张栋梁 , 刘晓明 , 孙东磊 , 袁振华 , 赵龙 , 汪湲 , 杜鹏 , 田鑫 , 杨思 , 高效海 , 王男 , 张辉 , 程佩芬 , 杜欣烨 , 孙永辉 , 周衍
Abstract: 本发明公开了一种基于复合分位数回归的海上风电功率概率预测方法，该方法首先分析概率预测区间评价指标，基于该指标的预测区间改进策略，且综合考虑预测区间的可靠度、敏锐度；然后分析预测区间评价指标，计及可靠度、敏锐度，提出复合分位数回归模型，通过调节系数优化预测指标之间的权重，进一步提高预测区间性能，完成预测区间综合性能优化；最后输入风电功率时间序列，实现超短期概率预测。算例测试表明，本发明的预测区间性能明显优于传统基于分位数回归模型的预测模型，能提供高质量的概率预测区间。
-
公开(公告)号：CN109272156B
公开(公告)日：2021-12-07
申请号：CN201811059871.5
申请日：2018-09-12
Applicant: 河海大学
Abstract: 本发明公开了一种超短期风电功率概率预测方法，采集风电场的历史数据，得到训练样本集；根据影响因素的历史数据生成输入变量，得到样本集；利用小波分析将样本集进行小波分解与小波系数重构，得到小波样本集；利用极限学习机对每一个小波样本集进行模型参数的训练，得到小波的极限学习机预测模型，将测试集带入网络得到小波超短期点预测值，将各小波的极限学习机模型训练误差与点预测值进行存储相加并取平均值，得到经过小波分解之后模型的真实误差与点预测值，对模型的真实误差进行高斯分布参数估计，得到小波模型训练误差的高斯分布函数，应置信度要求结合点预测值即可求出小波的超短期概率预测区间。
-
公开(公告)号：CN110598929A
公开(公告)日：2019-12-20
申请号：CN201910851876.X
申请日：2019-09-10
Applicant: 河海大学 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司 , 中国电力科学研究院有限公司
Abstract: 本发明公开了一种风电功率非参数概率区间超短期预测方法，该方法基于自适应LASSO和极限学习机。首先对风功率序列进行非线性分位数回归得到自适应调节参数；然后利用基于自适应LASSO的分位数回归和改进的贝叶斯信息准则计算最优的基于极限学习机的分位数回归模型输出系数；最后输入风功率时间序列，得到超短期预测值。本发明所述方法构建的分位数回归预测模型，其区间评分明显优于传统基于分位数回归的预测模型，并且预测精度和区间宽度综合指标较好，极大的提高了风电功率预测可信度。
-
公开(公告)号：CN109218073A
公开(公告)日：2019-01-15
申请号：CN201810811981.6
申请日：2018-07-23
Applicant: 河海大学
Abstract: 本发明公开了一种计及网络攻击和参数不确定性的动态状态估计方法，包括以下步骤：建立电力系统动态状态估计模型；初始化状态估计方法参数值；计算t时刻的状态预测值与预测误差协方差；建立线性批处理回归模型；采用鲁棒投影统计方法，求取数据点在所有可能向量的投影值；对线性批处理回归模型进行白噪化处理；计算迭代加权最小二乘法的初始权矩阵并获取状态估计值；计算t时刻的估计误差协方差；依据时间序列对系统状态进行动态估计。本发明提出的方法可有效抑制网络攻击和模型参数不确定性所引起的估计偏差，甚至发散等问题；有效提升了状态估计精度，具有较强的鲁棒性；为电力系统动态监测与分析提供了坚实的数据信息。
-
-
-
-
-
-
Search Results
17
records
(took 0.016 seconds)
