公开(公告)号：CN118839309A

公开(公告)日：2024-10-25

申请号：CN202411322808.1

申请日：2024-09-23

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 王贵斌 ,  张弦 ,  黄心隆 ,  王宏 ,  李义群

IPC: G06F18/25 ,  G06F18/214 ,  G06F30/27 ,  G06Q50/06 ,  G06F119/02

Abstract: 本发明公开了一种考虑波动性与周期性的风电功率超短期预测方法，属于可再生能源预测技术领域，包括以下步骤：S1、建立风电数据挖掘方法得到数据波动组成和周期组成；S2、通过深度学习方法从原始风电数据中提取融合特征；S3、通过集成神经网络模型基于融合特征和波动、周期组成做出预测；S4、通过S1所得的波动组成和周期组成、S2的融合特征和S3的集成神经网络确定最终的风电功率超短期预测方法。本发明采用上述的一种考虑波动性与周期性的风电功率超短期预测方法，将深度学习理论引进风电功率预测中，研究数据挖掘方法以及深度学习方法在超短时风电功率预测问题中的应用，提高电网稳定性和供电可靠性，对多元化能源系统的发展具有重要意义。

公开(公告)号：CN118839309B

公开(公告)日：2025-01-21

申请号：CN202411322808.1

申请日：2024-09-23

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 王贵斌 ,  张弦 ,  黄心隆 ,  王宏 ,  李义群

IPC: G06F18/25 ,  G06F18/214 ,  G06F30/27 ,  G06Q50/06 ,  G06F119/02

Abstract: 本发明公开了一种考虑波动性与周期性的风电功率超短期预测方法，属于可再生能源预测技术领域，包括以下步骤：S1、建立风电数据挖掘方法得到数据波动组成和周期组成；S2、通过深度学习方法从原始风电数据中提取融合特征；S3、通过集成神经网络模型基于融合特征和波动、周期组成做出预测；S4、通过S1所得的波动组成和周期组成、S2的融合特征和S3的集成神经网络确定最终的风电功率超短期预测方法。本发明采用上述的一种考虑波动性与周期性的风电功率超短期预测方法，将深度学习理论引进风电功率预测中，研究数据挖掘方法以及深度学习方法在超短时风电功率预测问题中的应用，提高电网稳定性和供电可靠性，对多元化能源系统的发展具有重要意义。

公开(公告)号：CN117198067A

公开(公告)日：2023-12-08

申请号：CN202311290951.2

申请日：2023-10-08

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 张弦 ,  李义群 ,  王贵斌 ,  王宏 ,  王怀智

IPC: G08G1/065 ,  G08G1/01 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明公开了一种预测质量为导向的交通流区间量化方法，本发明涉及智能交通系统预测领域，包括以下步骤：S1：以区间预测的质量为目标建立量化交通流的区间损失函数方法；S2：通过深度学习方法构建交通流量化模型；S3：通过极端梯度增加模型对交通流的信息特征做特征选择；S4：结合S1所得的区间分数函数、S2所得的深度学习模型和S3所得的重要特征确定最终的交通流量化模型。本发明采用上述的一种预测质量为导向的交通流区间量化方法，通过将深度学习理论引进交通流预测偏差量化中，研究深度学习方法以及区间预测函数理论在长期多步交通流预测问题中的应用，增强智能交通系统对交通流量化的性能，对智能交通系统的发展具有重要意义。