-
公开(公告)号：CN110188967A
公开(公告)日：2019-08-30
申请号：CN201910541440.0
申请日：2019-06-21
申请人： 合肥工业大学
摘要： 本发明公开了一种基于混沌人群算法和贝叶斯网络的电力负荷概率性预测方法，其步骤包括：1获取气温、相对湿度、风力和电力负荷时间序列实际数据，对各列数据进行预处理，划分训练集和测试集数据；2对电力负荷原始数据进行小波阈值去燥处理，还原电力负荷时间序列真实信息；3构建贝叶斯网络模型，得到初始预测区间；4计算区间变化幅值范围，运用混沌人群算法得到最优区间变化幅值；5在最优区间变化幅值邻域采用混沌搜索，得到最终预测区间。本发明能通过构造预测区间测量电力负荷的不确定性，从而能为电力系统优化运行提供有效参考。
-
公开(公告)号：CN110264006B
公开(公告)日：2021-01-15
申请号：CN201910541439.8
申请日：2019-06-21
申请人： 合肥工业大学
摘要： 本发明公开了一种基于混沌萤火虫算法和贝叶斯网络的风电功率概率性预测方法，其步骤包括：1获取风速、风向、气温和风电实际功率数据，对数据进行预处理，选取训练集和测试集数据；2对风电功率原始数据进行经验模态分解，使风电功率时间序列更加平稳；3构建贝叶斯网络模型，得到初始预测区间；4计算区间变化幅值范围，运用混沌萤火虫算法得到最优区间变化幅值；5在最优区间变化幅值附近进行混沌搜索，得到最终预测区间。本发明能通过构造预测区间测量风电功率的不确定性，从而能为电力调度决策提供有效参考。
-
公开(公告)号：CN110264006A
公开(公告)日：2019-09-20
申请号：CN201910541439.8
申请日：2019-06-21
申请人： 合肥工业大学
摘要： 本发明公开了一种基于混沌萤火虫算法和贝叶斯网络的风电功率概率性预测方法，其步骤包括：1获取风速、风向、气温和风电实际功率数据，对数据进行预处理，选取训练集和测试集数据；2对风电功率原始数据进行经验模态分解，使风电功率时间序列更加平稳；3构建贝叶斯网络模型，得到初始预测区间；4计算区间变化幅值范围，运用混沌萤火虫算法得到最优区间变化幅值；5在最优区间变化幅值附近进行混沌搜索，得到最终预测区间。本发明能通过构造预测区间测量风电功率的不确定性，从而能为电力调度决策提供有效参考。
-
公开(公告)号：CN110188967B
公开(公告)日：2021-01-15
申请号：CN201910541440.0
申请日：2019-06-21
申请人： 合肥工业大学
摘要： 本发明公开了一种基于混沌人群算法和贝叶斯网络的电力负荷概率性预测方法，其步骤包括：1获取气温、相对湿度、风力和电力负荷时间序列实际数据，对各序列数据进行预处理，划分训练集和测试集数据；2对电力负荷原始数据进行小波阈值去噪处理，还原电力负荷时间序列真实信息；3构建贝叶斯网络模型，得到初始预测区间；4计算区间变化幅值范围，运用混沌人群算法得到最优区间变化幅值；5在最优区间变化幅值邻域采用混沌搜索，得到最终预测区间。本发明能通过构造预测区间测量电力负荷的不确定性，从而能为电力系统优化运行提供有效参考。
-
-
-
搜索结果
4 条记录 (耗时 0.026 秒)
