公开(公告)号：CN107835025A

公开(公告)日：2018-03-23

申请号：CN201711166555.3

申请日：2017-11-21

Applicant: 东北电力大学

Inventor： 吴云 ,  雷建文 ,  杨杰明 ,  徐冠男 ,  吴迪 ,  张忠迪 ,  时珂

IPC: H03M7/30

CPC classification number: H03M7/3062

Abstract: 本发明是一种电力负荷历史数据自适应压缩方法，其特点是，包括定义系统初始值、设电力负荷值与时间组成的数据对、计算一段时间内数据的平均变化量、自适应采样、调整采样周期、最佳采样周期选取和异常数据修正等步骤，具有方法科学合理，适用性强，减少压缩数据量等优点，使用该方法能够快速、准确的对电力负荷数据进行压缩处理,有效提高了压缩数据质量。并提供结构合理，可靠性高的电力负荷历史数据自适应压缩系统。

公开(公告)号：CN108830418A

公开(公告)日：2018-11-16

申请号：CN201810613378.7

申请日：2018-06-14

Applicant: 东北电力大学

Inventor： 吴云 ,  王强 ,  雷建文 ,  胡鑫

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

Abstract: 本发明涉及一种短期电力负荷预测方法，其特点是，它包括选取相似日集、构建蝙蝠算法优化的RBF神经网络预测模型、利用蝙蝠算法优化的RBF神经网络模型对预测日电力负荷预测等步骤，本发明是在常规灰色关联分析的基础上，采用距离相似性和形状相近性相关联的综合灰色关联度选取更高相似度的相似日，弥补了常规灰色关联分析法在选择相似日时，只考虑数据序列之间的几何相似程度而忽略数值接近程度的不足，提高了预测精度；利用蝙蝠算法优化径向基函数(RBF)神经网络的权值，能够克服RBF神经网络容易陷入局部最优的缺陷，使整个网络收敛速度增快、运算效率提高；具有科学合理，适用性强，效果佳等优点。

公开(公告)号：CN107835025B

公开(公告)日：2021-05-25

申请号：CN201711166555.3

申请日：2017-11-21

Applicant: 东北电力大学

Inventor： 吴云 ,  雷建文 ,  杨杰明 ,  徐冠男 ,  吴迪 ,  张忠迪 ,  时珂

IPC: H03M7/30

Abstract: 本发明是一种电力负荷历史数据自适应压缩方法，其特点是，包括定义系统初始值、设电力负荷值与时间组成的数据对、计算一段时间内数据的平均变化量、自适应采样、调整采样周期、最佳采样周期选取和异常数据修正等步骤，具有方法科学合理，适用性强，减少压缩数据量等优点，使用该方法能够快速、准确的对电力负荷数据进行压缩处理,有效提高了压缩数据质量。并提供结构合理，可靠性高的电力负荷历史数据自适应压缩系统。