公开(公告)号：CN115600500A

公开(公告)日：2023-01-13

申请号：CN202211346533.6

申请日：2022-10-31

Applicant: 南昌工程学院(CN)

Inventor： 车金星 ,  袁芳 ,  叶雨 ,  刘娜 ,  蒋哲勇 ,  邹诚 ,  张大伟

IPC: G06F30/27 ,  G06F17/14 ,  G06F17/18 ,  G06N7/00 ,  H02J3/00 ,  G06F111/08 ,  G06F113/06

Abstract: 本发明提出了一种基于时空多尺度和K‑SDW的超短期概率风电功率预测方法，包括以下步骤：S1，通过变分模态分解将归一化目标风速分解为多个子序列；S2，将子序列和相邻的空间风速序列重构为时空候选特征，并进行时空多尺度特征选择；S3，采用分位数回归模型对每个子序列进行预测。本发明能够实现对风电进行预测。

公开(公告)号：CN115600745A

公开(公告)日：2023-01-13

申请号：CN202211293570.5

申请日：2022-10-21

Applicant: 南昌工程学院(CN)

Inventor： 车金星 ,  何明俊

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/006 ,  G06N5/048 ,  G06F17/18

Abstract: 本发明提出了一种基于SSA‑DE‑ANFIS模型的短期AQI预测方法，包括：S1，将原始AQI序列分解为趋势分量和噪声分量；S2，将趋势序列和噪声序列均划分为训练集和测试集，得到趋势序列的变化范围和噪声序列的变化范围；S3，将训练集中的趋势序列和噪声序列均转化成连续的论域，然后对每个特征进行模糊化，得到中心和宽度；S4，初始化差分进化算法的参数，根据寻优范围对ANFIS模型的前件参数初始化，对ANFIS模型的后件参数初始化；S5，将趋势序列训练集和噪声序列训练集分别输入ANFIS模型，对ANFIS模型的参数进行优化，得到最终趋势序列的ANFIS模型和噪声序列的ANFIS模型；S6，采用最终趋势序列的ANFIS模型和噪声序列的ANFIS模型进行预测，将预测值相加得到预测的AQI值。本发明能有效提高AQI预测精度。