-
公开(公告)号:CN109214503B
公开(公告)日:2021-09-10
申请号:CN201810863513.3
申请日:2018-08-01
Applicant: 华北电力大学
Abstract: 本发明公开了属于电数字数据处理技术领域的一种基于KPCA‑LA‑RBM的输变电工程造价预测方法。包括以下步骤:1对各样本数据进行数据选择与预处理,并获得关键影响因素集;2将若干组预处理后的样本数据组成训练集,并使用训练集训练KPCA‑LA‑RBM组合模型;3将剩余的数据作为测试集,根据训练好的组合模型,运用测试集对训练好的模型进行预测,得到最终的预测结果。本发明根据主成分累计方差贡献率选取前4个主成分作为组合模型的输入向量,在保证预测精度的情况下,提高了模型的计算效率。本发明提出的组合模型能够有效降低单一模型带来的误差,提高预测精度,使其提高泛化能力和鲁棒性,适用于输变电工程造价预测。
-
公开(公告)号:CN109117992B
公开(公告)日:2022-01-04
申请号:CN201810839653.7
申请日:2018-07-27
Applicant: 华北电力大学
Abstract: 本发明公开了属于超短期风功率预测技术领域的一种基于WD‑LA‑WRF模型的超短期风功率预测方法。本发明考虑风力发电的波动性和随机性,首先使用小波分解方法将风速序列和风功率序列分解为不同频率的子序列,然后使用狮子算法优化随机森林的参数,以提高预测模型的精度。最后使用构建的模型进行MATLAB仿真,对各子序列进行预测,将预测结果进行重构,得到最终预测结果。本发明提出的WD‑LA‑WRF模型通过对原始数据的分解与降噪,将原始数据的平稳信号与非平稳信号分离开,使数据更具分析价值。本发明通过狮子算法的改进,优化了模型的参数,提高了预测精度。该模型与其他单一模型对比,具有强大的泛化能力和鲁棒性。适用于超短期风电功率预测。
-
公开(公告)号:CN109003145A
公开(公告)日:2018-12-14
申请号:CN201810941979.0
申请日:2018-08-17
Applicant: 华北电力大学
CPC classification number: G06Q30/0206 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开了一种电煤价格预测方法,所述预测方法包括以下步骤:步骤1:输入电煤价格预测的选取指标并对各输入指标进行数据预处理;步骤2:利用狼群算法对最小二乘支持向量机模型的参数进行优化;步骤3:构建基于狼群算法和最小二乘支持向量机模型的电煤价格预测模型。本发明选用狼群算法对最小二乘支持向量机的参数进行寻优。
-
公开(公告)号:CN109242139A
公开(公告)日:2019-01-18
申请号:CN201810811805.2
申请日:2018-07-23
Applicant: 华北电力大学
Abstract: 本发明属于电力负荷预测技术领域,尤其涉及一种电力日峰值负荷预测方法,包括:采集包括历史日峰值负荷、日最高温度、日最低温度、日平均温度、日平均相对湿度、日最大风速、日期类型在内的样本数据;对日峰值负荷的原始序列进行自适应白噪声的完整聚合经验模态分解,将原始序列分解为有限个包含不同时间尺度的局部特征信号的本征模函数,且在每一次分解中都添加自适应的白噪声平滑脉冲干扰,得到多个IMF分量;通过引入种群动态进化算子以及非线性收敛因子,对灰狼优化算法进行改进,对支持向量机的正则化参数和径向基核函数参数进行优化,建立优化后的支持向量机预测模型;运用预测模型分别进行预测,得到最终的日峰值负荷预测结果。
-
公开(公告)号:CN109214503A
公开(公告)日:2019-01-15
申请号:CN201810863513.3
申请日:2018-08-01
Applicant: 华北电力大学
Abstract: 本发明公开了属于电数字数据处理技术领域的一种基于KPCA-LA-RBM的输变电工程造价预测方法。包括以下步骤:1对各样本数据进行数据选择与预处理,并获得关键影响因素集;2将若干组预处理后的样本数据组成训练集,并使用训练集训练KPCA-LA-RBM组合模型;3将剩余的数据作为测试集,根据训练好的组合模型,运用测试集对训练好的模型进行预测,得到最终的预测结果。本发明根据主成分累计方差贡献率选取前4个主成分作为组合模型的输入向量,在保证预测精度的情况下,提高了模型的计算效率。本发明提出的组合模型能够有效降低单一模型带来的误差,提高预测精度,使其提高泛化能力和鲁棒性,适用于输变电工程造价预测。
-
公开(公告)号:CN108846526A
公开(公告)日:2018-11-20
申请号:CN201810894170.7
申请日:2018-08-08
Applicant: 华北电力大学
Abstract: 本发明属于碳排放预测技术领域,尤其涉及一种二氧化碳排放量预测方法,包括:采集包括历史CO2排放量、人口、人均GDP、城镇化率、第二产业增加值占比、能源消费结构、能源强度、煤炭消费总量、碳排放强度以及进出口总额在内的数据;对数据进行无量纲化处理,并计算各个数据与CO2排放量的灰色关联度,根据灰色关联度的排序来筛选模型输入的CO2排放量影响因素指标实现特征降维;运用灰色预测模型GM(1,1)对已经筛选出的CO2排放量影响因素指标进行预测;将上述CO2排放量影响因素的预测值作为模型输入,然后运用改进的混合蛙跳算法优化最小二乘支持向量机模型对CO2排放量进行预测。本发明具有高效的计算性能和优良的全局搜索能力。
-
公开(公告)号:CN109284859A
公开(公告)日:2019-01-29
申请号:CN201810972886.4
申请日:2018-08-24
Applicant: 华北电力大学
Abstract: 本发明属于输电线路覆冰预测技术领域,尤其涉及一种输电线路覆冰预测方法,包括:首先选取温度、湿度、风速、风向作为输入数据并进行预处理;然后利用非劣排序遗传II(NSGA-II)算法对KELM模型的参数进行优化,从而得到惩罚系数和核参数的最优值,最后输入数据得到预测线路覆冰厚度结果。取得的预测结果精度更高,鲁棒性更强。可以对不同地区、不同海拔高度的输电线路覆冰厚度进行预测,并可以取得较为理想的预测效果,本发明所构建的模型适应性和稳定性较强。
-
公开(公告)号:CN109146121A
公开(公告)日:2019-01-04
申请号:CN201810661629.9
申请日:2018-06-25
Applicant: 华北电力大学
CPC classification number: G06Q10/04 , G06N3/084 , G06Q10/067 , G06Q50/06
Abstract: 本发明公开了属于电量预测技术领域的一种基于PSO‑BP模型的停限产政策下的电量预测方法。该方法首先对输入数据进行分析处理;然后,将历史用电量影响因素作为自变量,将历史用电量作为因变量进行样本训练,使用PSO算法优化BP神经网络的权值和阈值,计算不同参数的预测精度,得到预测精度高的BP模型的权值和阈值;最后对BP神经网络模型预测,将粒子群算法优化后的参数以及预测样本输入预测模型,得到预测值。本发明利用PSO优化BP神经网络算法,考虑空气质量指数、气象因素和主要停限产产品产量因素对用电量的影响,对用电量的特征向量进行学习训练,经实验验证预测效果较理想,针对停限产政策影响下的地区用电量预测提供了一种新思路。
-
公开(公告)号:CN109117992A
公开(公告)日:2019-01-01
申请号:CN201810839653.7
申请日:2018-07-27
Applicant: 华北电力大学
Abstract: 本发明公开了属于超短期风功率预测技术领域的一种基于WD-LA-WRF模型的超短期风功率预测方法。本发明考虑风力发电的波动性和随机性,首先使用小波分解方法将风速序列和风功率序列分解为不同频率的子序列,然后使用狮子算法优化随机森林的参数,以提高预测模型的精度。最后使用构建的模型进行MATLAB仿真,对各子序列进行预测,将预测结果进行重构,得到最终预测结果。本发明提出的WD-LA-WRF模型通过对原始数据的分解与降噪,将原始数据的平稳信号与非平稳信号分离开,使数据更具分析价值。本发明通过狮子算法的改进,优化了模型的参数,提高了预测精度。该模型与其他单一模型对比,具有强大的泛化能力和鲁棒性。适用于超短期风电功率预测。
-
公开(公告)号:CN109086977A
公开(公告)日:2018-12-25
申请号:CN201810760580.2
申请日:2018-07-11
Applicant: 国网浙江省电力公司 , 浙江华云信息科技有限公司 , 华北电力大学
IPC: G06Q10/06
CPC classification number: G06Q10/06393
Abstract: 本发明公开了属于电力市场主体价值评估领域的一种售电公司综合价值评价方法,首先利用TOPSIS法确定正负理想解,按照评价目标等距离划分其形成的等级区间,以各指标与各等级区间的接近程度为依据,判断评价对象的等级;具体包括:构建售电公司综合价值评价指标体系、对评价指标数据进行预处理,选取代表性公司价值评价指标数据进行处理、利用熵权法确定指标权重和根据物元综合评价方法开拓-TOPSIS法进行评价,包括通过计算得到各评价方案的加权贴近度和进一步计算特征值,最终得到评价结果。本发明通过完善的价值评价体系对于售电公司本身以及其它电力市场主体具有重要意义,凸显了售电公司这一新型电力市场主体的作用。
-
-
-
-
-
-
-
-
-