公开(公告)号：CN116128164A

公开(公告)日：2023-05-16

申请号：CN202310393294.8

申请日：2023-04-13

Applicant: 南京邮电大学

Inventor： 邓松 ,  孙宏伟 ,  付雄 ,  岳东

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F21/62 ,  G06F21/60 ,  G06F18/213 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/098 ,  G06N3/006

Abstract: 一种基于隐私保护的电力负荷短期预测系统及方法，是一种在影响因素复杂多变的负荷预测系统中，将BiLSTM神经网络与联邦学习相结合，利用BiLSTM的特性更加有效地学习各客户端本地负荷向量的时序特性，运用联邦学习保护各客户端的数据隐私并解决全局模型聚合过程中的隐私泄露问题的方法，它主要包含特征提取、LSTM双向学习、隐私保护三个部分。通过本方法可有效提高负荷预测模型的泛化能力，保护用户的数据隐私，提高电力负荷短期预测的精度和效率。

公开(公告)号：CN116128150A

公开(公告)日：2023-05-16

申请号：CN202310186570.3

申请日：2023-03-02

Applicant: 南京邮电大学

Inventor： 邓松 ,  孙宏伟 ,  付雄 ,  王俊杰 ,  岳东

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F18/231 ,  G06N3/0442 ,  G06N3/086

Abstract: 本发明属于新能源光伏发电技术领域，公开了一种基于两级优化的光伏智能出力预测方法，通过提取光伏历史数据中的典型特征并对历史数据进行分类，使用加权扩展日矩阵确定待预测日的气象相似日序列，选取相似日序列中最为相似的4个历史数据以及靠近待预测日的4个历史数据，将上述8个历史功率数据及原始气象信息作为LSTM神经网络预测模型的输入，使用GEP算法为LSTM神经网络选取合适的初始权值并不断更新其权值，直至算法收敛，后通过粒子种群优化算法，使光伏出力预测模型更加完善。本发明将GEP算法和PSO算法同时运用到光伏出力预测中，实现对光伏出力预测的两级优化，可以有效提高光伏功率预测的速度和精度。

公开(公告)号：CN116128150B

公开(公告)日：2023-07-14

申请号：CN202310186570.3

申请日：2023-03-02

Applicant: 南京邮电大学

Inventor： 邓松 ,  孙宏伟 ,  付雄 ,  王俊杰 ,  岳东

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F18/231 ,  G06N3/0442 ,  G06N3/086

Abstract: 本发明属于新能源光伏发电技术领域，公开了一种基于两级优化的光伏智能出力预测方法，通过提取光伏历史数据中的典型特征并对历史数据进行分类，使用加权扩展日矩阵确定待预测日的气象相似日序列，选取相似日序列中最为相似的4个历史数据以及靠近待预测日的4个历史数据，将上述8个历史功率数据及原始气象信息作为LSTM神经网络预测模型的输入，使用GEP算法为LSTM神经网络选取合适的初始权值并不断更新其权值，直至算法收敛，后通过粒子种群优化算法，使光伏出力预测模型更加完善。本发明将GEP算法和PSO算法同时运用到光伏出力预测中，实现对光伏出力预测的两级优化，可以有效提高光伏功率预测的速度和精度。