-
公开(公告)号：CN110070214A
公开(公告)日：2019-07-30
申请号：CN201910262136.2
申请日：2019-04-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于天气相似度的D-WSMA太阳能收集功率预测方法，首先在历史数据中选取参考数据，包括参考天和参考时刻的太阳能功率信息；然后利用方差定义数据的相似度，计算参考天参考时刻对预测时刻的权重因子α。同时，根据参考天的权值计算参考天参考时刻的加权平均值，再与平均值加权后得到参考时刻的综合值，计算当前天参考时刻样本值和综合值的比值β。最后基于D-WCMA算法，计算动态变化权重因子G。本发明基于天气相似度刻画不同参数的影响程度，不仅定量给出了参考天和参考时刻对预测值的权重，而且由权重综合得到参考时刻的综合值，预测效率更高。
-
Patent Agency Ranking
公开(公告)号：CN109919380A
公开(公告)日：2019-06-21
申请号：CN201910170728.1
申请日：2019-03-07
Applicant: 南京邮电大学
Abstract: 基于指数平均UD-WCMA太阳能收集功率的改进预测方法，首先在历史数据中选择与当前天最为相似的数据模型；然后计算天气因子和动态变化权重因子。特别地，考虑到前几天对应时槽的数值对当天预测时槽的影响程度不同，越接近该天影响程度应该越大，且与该天天气波动情况越相似，影响程度也应越大。本发明对简单平均做出了优化：根据欧式距离，将前几天相同时槽对当天时槽的影响程度量化，并归一化计算各自的贡献率，得到前几天与预测时槽等时刻的指数平均值。最后，综合各因子及历史数据得到太阳能功率预测值。本发明结合UD-WCMA等算法并引入指数平均值，不仅消除了待设置权重因子α的影响，还定量给出了前几天对当天的贡献率,可以达到更高的预测效率。
-
公开(公告)号：CN109919380B
公开(公告)日：2022-07-29
申请号：CN201910170728.1
申请日：2019-03-07
Applicant: 南京邮电大学
Abstract: 基于指数平均UD‑WCMA太阳能收集功率的改进预测方法，首先在历史数据中选择与当前天最为相似的数据模型；然后计算天气因子和动态变化权重因子。特别地，考虑到前几天对应时槽的数值对当天预测时槽的影响程度不同，越接近该天影响程度应该越大，且与该天天气波动情况越相似，影响程度也应越大。本发明对简单平均做出了优化：根据欧式距离，将前几天相同时槽对当天时槽的影响程度量化，并归一化计算各自的贡献率，得到前几天与预测时槽等时刻的指数平均值。最后，综合各因子及历史数据得到太阳能功率预测值。本发明结合UD‑WCMA等算法并引入指数平均值，不仅消除了待设置权重因子α的影响，还定量给出了前几天对当天的贡献率,可以达到更高的预测效率。
-
公开(公告)号：CN110070214B
公开(公告)日：2022-07-26
申请号：CN201910262136.2
申请日：2019-04-02
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于天气相似度的D‑WSMA太阳能收集功率预测方法，首先在历史数据中选取参考数据，包括参考天和参考时刻的太阳能功率信息；然后利用方差定义数据的相似度，计算参考天参考时刻对预测时刻的权重因子α。同时，根据参考天的权值计算参考天参考时刻的加权平均值，再与平均值加权后得到参考时刻的综合值，计算当前天参考时刻样本值和综合值的比值β。最后基于D‑WCMA算法，计算动态变化权重因子G。本发明基于天气相似度刻画不同参数的影响程度，不仅定量给出了参考天和参考时刻对预测值的权重，而且由权重综合得到参考时刻的综合值，预测效率更高。
-
公开(公告)号：CN110070215A
公开(公告)日：2019-07-30
申请号：CN201910279018.2
申请日：2019-04-09
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于自适应的季节性ARIMA模型的太阳能收集功率预测方法，其主要包括以下步骤：S1：收集参考天和当天中各个时刻的太阳能功率值，得到初始训练集T0；S2：根据当天中收集到的若干个参考时刻的太阳能功率值与参考天的太阳能功率值的相似度，调整初始训练集T0中各元素的位置，得到新的训练集T1，并转换为训练集Train；S3：对训练集Train进行季节性差分和平稳性检验；S4：根据训练集Train的时间序列性质确定最佳季节性ARIMA模型；S5：利用最佳季节性ARIMA模型预测当天若干个时刻的太阳能功率值。如此设置，预测结果精度更高、更准确。
-
公开(公告)号：CN110070215B
公开(公告)日：2022-08-23
申请号：CN201910279018.2
申请日：2019-04-09
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于自适应的季节性ARIMA模型的太阳能收集功率预测方法，其主要包括以下步骤：S1：收集参考天和当天中各个时刻的太阳能功率值，得到初始训练集T0；S2：根据当天中收集到的若干个参考时刻的太阳能功率值与参考天的太阳能功率值的相似度，调整初始训练集T0中各元素的位置，得到新的训练集T1，并转换为训练集Train；S3：对训练集Train进行季节性差分和平稳性检验；S4：根据训练集Train的时间序列性质确定最佳季节性ARIMA模型；S5：利用最佳季节性ARIMA模型预测当天若干个时刻的太阳能功率值。如此设置，预测结果精度更高、更准确。
-
-
-
-
-
Search Results
6
records
(took 0.028 seconds)
