-
公开(公告)号：CN111860982B
公开(公告)日：2024-08-06
申请号：CN202010639045.9
申请日：2020-07-06
Applicant: 东北大学
IPC: G06Q10/04 , G06F30/20 , G06F30/27 , G06Q50/06 , G06F18/23213 , H02J3/00 , G06F113/06
Abstract: 本发明公开一种基于VMD‑FCM‑GRU的风电场短期风电功率预测方法，属于风电功率预测技术领域。该方法首先基于VMD归一化的复杂的风电功率时间序列，得到一系列有限平稳子序列分量，并使用FCM算法对子序列分量进行聚类，将波动趋势相似的子序列进行聚类，各类进行叠加从而减少训练的时间。再用聚类后的序列分别训练门控循环单元GRU神经网络进行预测，把各子序列的预测结果进行叠加和反归一化，得到最终的预测结果。本发明结合GRU强大的计算效率，VMD‑FCM‑GRU的组合模型能够实现较好的预测精度和较短的训练时间，且能显著提高短期风电功率预测的精度和速度。
-
Patent Agency Ranking
公开(公告)号：CN111860982A
公开(公告)日：2020-10-30
申请号：CN202010639045.9
申请日：2020-07-06
Applicant: 东北大学
Abstract: 本发明公开一种基于VMD-FCM-GRU的风电场短期风电功率预测方法，属于风电功率预测技术领域。该方法首先基于VMD归一化的复杂的风电功率时间序列，得到一系列有限平稳子序列分量，并使用FCM算法对子序列分量进行聚类，将波动趋势相似的子序列进行聚类，各类进行叠加从而减少训练的时间。再用聚类后的序列分别训练门控循环单元GRU神经网络进行预测，把各子序列的预测结果进行叠加和反归一化，得到最终的预测结果。本发明结合GRU强大的计算效率，VMD-FCM-GRU的组合模型能够实现较好的预测精度和较短的训练时间，且能显著提高短期风电功率预测的精度和速度。
-
公开(公告)号：CN110298574A
公开(公告)日：2019-10-01
申请号：CN201910539995.1
申请日：2019-06-21
Applicant: 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
Abstract: 本发明的一种基于卷积神经网络的用电用户缴费风险评级方法，包括如下步骤：选取用户的多种电网数据构成用户评级影响因素向量，由多个用户所对应的多组评级影响因素向量构成待评估用户矩阵，将待评估用户矩阵的集合划分为训练集和测试集；设定用户评级规则，划分用户风险等级；建立卷积神经网络模型，将训练集输入到卷积神经网络模型，对卷积神经网络模型进行训练；将测试集输入到训练好的卷积神经网络模型进行评级，获得对测试集中每个用户的初步评级结果；采用粒子群算法对测试集进行聚类，以对初步评级结果验证，若粒子群算法求解的评级结果和卷积神经网络模型获得初步评级结果相同，则将初步评级结果作为最终评级结果输出。
-
公开(公告)号：CN110298574B
公开(公告)日：2023-06-13
申请号：CN201910539995.1
申请日：2019-06-21
Applicant: 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
IPC: G06Q10/0635 , G06Q30/0201 , G06Q30/0601 , G06Q50/06 , G06N3/006 , G06N3/0464 , G06N3/08
Abstract: 本发明的一种基于卷积神经网络的用电用户缴费风险评级方法，包括如下步骤：选取用户的多种电网数据构成用户评级影响因素向量，由多个用户所对应的多组评级影响因素向量构成待评估用户矩阵，将待评估用户矩阵的集合划分为训练集和测试集；设定用户评级规则，划分用户风险等级；建立卷积神经网络模型，将训练集输入到卷积神经网络模型，对卷积神经网络模型进行训练；将测试集输入到训练好的卷积神经网络模型进行评级，获得对测试集中每个用户的初步评级结果；采用粒子群算法对测试集进行聚类，以对初步评级结果验证，若粒子群算法求解的评级结果和卷积神经网络模型获得初步评级结果相同，则将初步评级结果作为最终评级结果输出。
-
公开(公告)号：CN110298573B
公开(公告)日：2023-04-07
申请号：CN201910537955.3
申请日：2019-06-20
Applicant: 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
IPC: G06Q10/0635 , G06Q10/0639 , G06Q30/0201 , G06Q50/06
Abstract: 本发明的基于多属性群决策的用户异常用电及欠费风险评估方法，首先确定最优先级指标，再建立次优先级指标体系，采用熵权法确定指标权重，灰色关联度与极大熵准则确定专家权重，指标权重与专家权重结合再与最优先级指标权重结合得到综合权重，最后采用模糊综合评价模型进行评估，并对评估进行最大隶属度排序，给出用户的评估结果。本发明对用户的异常用电和欠费风险进行评估，使供电企业对高风险客户及早关注，可以减少发生经济损失的可能性。
-
公开(公告)号：CN110298573A
公开(公告)日：2019-10-01
申请号：CN201910537955.3
申请日：2019-06-20
Applicant: 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
Abstract: 本发明的基于多属性群决策的用户异常用电及欠费风险评估方法，首先确定最优先级指标，再建立次优先级指标体系，采用熵权法确定指标权重，灰色关联度与极大熵准则确定专家权重，指标权重与专家权重结合再与最优先级指标权重结合得到综合权重，最后采用模糊综合评价模型进行评估，并对评估进行最大隶属度排序，给出用户的评估结果。本发明对用户的异常用电和欠费风险进行评估，使供电企业对高风险客户及早关注，可以减少发生经济损失的可能性。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
