公开(公告)号：CN115081586B

公开(公告)日：2023-03-31

申请号：CN202210547025.8

申请日：2022-05-19

Applicant: 中国科学院计算机网络信息中心

Inventor： 王珏 ,  王子鉴 ,  操海洲 ,  姚铁锤 ,  王彦棡 ,  王晓光 ,  万萌

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

Abstract: 本申请提供一种基于时间和空间注意力的短期时序预测方法及系统，其中，方法包括，获取历史时间步长的预测目标数据和相关外源特征的数据作为第一、第二序列，历史时间步长内与预测目标具有空间相关性的第三序列，未来时间步长内对相关外源特征进行科学预测得的第四序列；对第四序列在第一、第二序列中提取时间相似趋势得到第五序列；对第五序列提取周期性并进行映射生成目标预测数据；提取第三序列中的空间相关性嵌入到目标预测数据中得到未来时间步长内的时空相关性编码数据；对第一序列、第二序列提取时间相关性并嵌入到时空相关性编码数据得到短期时序预测数据。本发明实现了对预测数据的时间、空间关联，提高了预测数据的准确性。

公开(公告)号：CN114817773A

公开(公告)日：2022-07-29

申请号：CN202210512772.8

申请日：2022-05-11

Applicant: 中国科学院计算机网络信息中心

Inventor： 王珏 ,  操海洲 ,  王子鉴 ,  姚铁锤 ,  王彦棡 ,  王晓光

IPC: G06F16/9537 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于多级分解和融合的时序预测系统及方法，该系统基于Transformer的神经网络，遵循编码器‑解码器结构，所述编码器包含多个相同的编码器块，所述解码器包含多个相同的解码器块。依据预测任务设置初始序列，编码器的每一个编码器块将得到的初始编码序列进行两次混合时序分解和两次交叉融合，得到季节信息经过两次增强的编码序列。解码器的每一个解码器块将得到的初始解码序列进行三次混合时序分解和一次交叉融合，得到季节信息经过再一次增强的解码序列，本申请通过在编码器和解码器内部进行多级的混合时序分解与交叉融合策略，可以增强系统模型学习时序特征的能力，有效提升模型进行时序预测任务的性能。

公开(公告)号：CN112766568B

公开(公告)日：2022-03-15

申请号：CN202110065167.6

申请日：2021-01-18

Applicant: 中国科学院计算机网络信息中心

Inventor： 王珏 ,  刘晓艳 ,  操海洲 ,  姚铁锤 ,  王晓光 ,  王彦棡 ,  迟学斌

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

Abstract: 本发明涉及一种基于卫星云图的超短期分布式光伏功率预测方法，该方法包括以下步骤：以历史P个连续时刻的SWR矩阵SWR(T‑D‑P+1)～(T‑D)为输入，采用Res‑UNet模型输出D+Q个时刻的SWR矩阵SWRT‑D+1～T+Q；其中，T为指定时刻，D为延时时刻，P为历史时刻，Q为未来时刻；由矩阵SWRT‑D+1～T+Q，得到SWRT‑D+1～T+Q＝SWRT‑D+1～T||SWRT+1～T+Q，其中，||表示拼接符，SWRT+1～T+Q为对应的未来Q个时刻的SWR矩阵；通过对SWRT+1～T+Q中Q个时刻的SWR矩阵进行双线性插值，得到站点s未来Q个时刻的辐照度以Res‑UNet模型预测的为输入，基于LSTM神经网络对分布式站点s未来Q个时刻功率进行预测。