公开(公告)号：CN117293790A

公开(公告)日：2023-12-26

申请号：CN202311106255.1

申请日：2023-08-30

Applicant: 三峡大学

Inventor： 李丹 ,  胡越 ,  孙光帆 ,  梁云嫣 ,  方泽仁 ,  贺帅 ,  唐建

IPC: H02J3/00 ,  G06N3/047 ,  G06N3/048 ,  G06N3/0455

Abstract: 一种考虑预测误差不确定性的短期电力负荷预测方法，步骤1：收集多个样本日的负荷功率和影响因素数据，形成数据集；步骤2：建立门控循环单元负荷预测模型、条件变分自编器模型和神经网络响应面模型；步骤3：获得隐特征的分布特征，根据该分布多次采样得到多个隐特征；步骤4：将步骤3得到的多个隐特征分别输入神经网络响应面模型得到负荷预测日每个时刻多个负荷预测误差值；步骤5：将预测日的气象因素结合其它影响因素输入门控循环单元负荷预测模型得到预测日各时刻确定性负荷预测值；步骤6：将步骤5得到的预测日每个时刻负荷预测值与步骤3模拟得到的对应时刻多个负荷预测误差相加，再进行核密度估计得到对应时刻概率分布。

公开(公告)号：CN117498296A

公开(公告)日：2024-02-02

申请号：CN202311202929.8

申请日：2023-09-18

Applicant: 三峡大学

Inventor： 李丹 ,  杨帆 ,  黄烽云 ,  甘月琳 ,  梁云嫣 ,  胡越 ,  方泽仁

IPC: H02J3/00 ,  H02J3/38 ,  G06Q50/06 ,  G06Q10/04 ,  G06N3/0464 ,  G06N5/022 ,  G06F18/25

Abstract: 基于注意力时空同步图卷积网络的多风电场功率预测方法，包括以下步骤：采集某大型风电基地的多风电场历史功率数据和气象信息数据；利用输入层对原始功率数据进行预处理；利用相邻时间步风电场功率间的动态关系构建局部时空图；利用时空嵌入层补充时空关联信息；利用时空同步图卷积模块捕获局部时空图的局部时空相关性，利用时序上排列的此类模块组成时空同步图卷积层学习输入时窗的全局时空相关性，堆叠多层时空同步图卷积层提取更深层的时空特征；利用注意力层量化气象信息对风电时空特征的影响；最后将时空特征导入输出层得到多风电场的功率预测结果。本发明方法可准确捕捉多风电场功率数据的时空相关性，获得准确的短期功率预测结果。

公开(公告)号：CN115293415A

公开(公告)日：2022-11-04

申请号：CN202210900738.8

申请日：2022-07-28

Applicant: 三峡大学

Inventor： 李丹 ,  甘月琳 ,  杨帆 ,  缪书唯 ,  方泽仁 ,  梁云嫣 ,  胡越 ,  王奇

IPC: G06Q10/04 ,  G06Q50/06 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种计及时间演变和空间相关的多风电场短期功率预测方法，主要分为四个模块：输入模块进行数据的采集和预处理工作，对象是目标地区多风电场的历史功率和气象预测数据；时间演变模式追踪模块通过门控循环单元和多核卷积层分别提取历史风电数据的时序性和多周期性时间演变模式；空间相关模式注意模块引入时变模式注意力机制对多空间变量的不同时间演变模式赋予相关性权重；最后输出模块输出多风电场功率日前预测场景。本发明通过构建具有深度学习能力的时空融合多风电场短期功率预测模型，完整考虑了风电序列的时间演变模式，弥补了现有多种模型静态提取空间依赖关系的缺陷，达到了提升预测精度和稳健性的目的。

公开(公告)号：CN118569670A

公开(公告)日：2024-08-30

申请号：CN202410699265.9

申请日：2024-05-31

Applicant: 三峡大学

Inventor： 李丹 ,  方泽仁 ,  缪书唯 ,  胡越 ,  梁云嫣 ,  贺帅 ,  黄峰云 ,  唐建 ,  罗娇娇

IPC: G06Q10/0637 ,  G06Q50/06 ,  H02J3/00 ,  G06F18/214 ,  G06N3/047 ,  G06N3/084

Abstract: 改善低密度样本区域预测精度的风电功率概率预测方法，包括：采集某风电场的历史风电功率和数值天气预报数据集；构建深度信念混合密度网络，通过深度信念网络独特的预训练和微调机制提取输入变量的隐特征，利用Beta混合概率分布的有界性准确表征风电预测功率的概率分布，实现隐特征与预测功率概率分布参数之间的非线性映射；引入特征分布平滑技术用于校准输入特征，标签分布平滑技术用于对各样本误差赋予差异化权重，从输入和输出两方面改善训练样本分布不均衡现象对预测结果的不利影响。本发明通过引入特征分布平滑技术和标签分布平滑技术改善低密度区域样本对超短期风电功率概率预测的影响，能有效提高低密度样本区域的预测精度。

公开(公告)号：CN117709512A

公开(公告)日：2024-03-15

申请号：CN202311522502.6

申请日：2023-11-15

Applicant: 三峡大学

Inventor： 李丹 ,  贺帅 ,  方泽仁 ,  胡越 ,  梁云嫣 ,  唐建 ,  黄烽云 ,  罗娇娇

IPC: G06Q10/04 ,  H02J3/00 ,  H02J13/00 ,  G06Q50/06

Abstract: 考虑日历特征和负荷特征的年日均负荷预测曲线获取方法，其步骤包括：采集某地区的实际负荷数据集和日历信息数据；根据历史和预测年的日历关系，提出动态时间锚点方法建立时间锚点矩阵；利用标么化方法和周期平滑方法处理负荷序列，并提出动态时间锚点Soft‑DBA方法获得预测年的日均负荷形状因子预测曲线；根据已知的电力电量特征预测值进行典型特征约束修正，得到与电力规划相吻合且满足年内时序变化规律的年日均负荷预测曲线。本发明通过考虑历史和预测年间的日历关系，提高了预测年的日均负荷曲线的预测精度。

公开(公告)号：CN117421971A

公开(公告)日：2024-01-19

申请号：CN202311189052.3

申请日：2023-09-15

Applicant: 三峡大学

Inventor： 李丹 ,  梁云嫣 ,  甘月琳 ,  杨帆 ,  方泽仁 ,  胡越 ,  贺帅

IPC: G06F30/27 ,  G06F18/214 ,  G06F18/25 ,  G06F17/11 ,  G06N3/0464 ,  H02J3/00 ,  G06Q50/06 ,  G06F119/06 ,  G06F113/04

Abstract: 基于多任务渐进式学习的风‑光‑荷功率短期预测方法，包括以下步骤：步骤1：采集预测输入数据，采集目标地区风‑光‑荷小时级的历史功率数据和多维气象预测数据；步骤2：将作为输入变量和输出变量的各类数据根据其特点分别进行归一化操作；步骤3：将数据集分割为训练集、验证集和测试集；步骤4：建立基于深度时空融合网络的多任务渐进式学习模型MTPL‑DSTFN；步骤5：设置模型超参数，初始化权重和偏置，设定损失函数，训练MTPL‑DSTFN模型得到最佳权重和偏置参数，并通过验证集样本使用网格搜索优选模型的最佳超参数；步骤6：将测试样本输入具有最佳超参数的MTPL‑DSTFN模型中，对输出的预测结果进行反归一化，得到预测日各时刻风‑光‑荷的功率预测结果。

公开(公告)号：CN115049113A

公开(公告)日：2022-09-13

申请号：CN202210600526.8

申请日：2022-05-30

Applicant: 三峡大学

Inventor： 李丹 ,  贺帅 ,  孙光帆 ,  缪书唯 ,  章可 ,  谭雅 ,  方泽仁

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/08 ,  G06N3/04 ,  G06K9/62

Abstract: 基于时间窗口和超参数自适应选择的S2S电力负荷预测系统，包括数据库模块、数据维护模块、自适应模块、负荷预测模块；数据库模块输出端与数据维护模块的输入端连接，数据维护模块的输出端与自适应模块的输入端连接，自适应模块的输出端与负荷预测模块的输入端连接；自适应模块中设置初始时间窗口模块、微调时间窗口长度模块、选择超参数模块；数据库模块：用于储存地区负荷数据集以及外部影响因素数据集；本系统可获得多天的电力负荷预测值，并且基于自适应模块的功能，能改变目前依赖专家经验选择时窗长度和预测模型超参数的短期负荷预测工作模式，进一步提高电力负荷预测系统的工作效率和实用价值。