-
公开(公告)号:CN113344467A
公开(公告)日:2021-09-03
申请号:CN202110845212.X
申请日:2021-07-26
Applicant: 国网河北省电力有限公司信息通信分公司 , 华北电力大学 , 国家电网有限公司
Abstract: 本发明涉及一种电力工程资金预测方法和装置,属于电力工程技术领域,解决了现有技术中预测结果不准确的问题。电力工程资金预测方法包括:对多个历史项目进行综合分析,以确定电力工程资金预算的影响因素,影响因素包括项目周期、参与人数、材料用量和设备用量;采集历史项目的影响因素和相应的电力工程资金;对影响因素进行归一化处理,然后将归一化的影响因素和相应的电力工程资金划分为包括训练集和验证集的两个集合;构建基于贝叶斯公式优化的神经网络模型,通过训练集和验证集训练和验证神经网络模型以获得预测模型;以及将待预测项目的影响因素输入预测模型以获得资金预测值。提高预测结果的准确性。
-
公开(公告)号:CN105930900A
公开(公告)日:2016-09-07
申请号:CN201610300971.7
申请日:2016-05-09
Applicant: 华北电力大学
CPC classification number: Y04S10/54 , G06Q10/04 , G06N3/0445 , G06Q50/06
Abstract: 本发明公开一种混合风力发电的预测方法及系统,该混合风力发电的预测方法包括:获取风电场的风向、风速及对应的风电输出功率的历史数据,并对历史数据进行抽样得到样本数据;对样本数据的统计特性进行判断分析,获取风频集中且风电输出功率差异达到差异阈值的风向,并根据所获取的风向及其与风速、风电输出功率的对应关系采用模糊层次聚类法,将样本数据划分为三类;采用神经网络算法对每类样本进行训练,对应形成三类特定的风力发电预测模型,然后进行合并处理,建立用于对风力发电产能进行预测的混合风力发电预测模型。因此,通过实施本发明能够实现对不同的风向、风速有针对性地进行模型预测,并且能够提高风力发电功率的预测精度。
-