-
Patent Agency Ranking
公开(公告)号：CN118174361B
公开(公告)日：2024-09-10
申请号：CN202410591437.0
申请日：2024-05-14
Applicant: 国网山东省电力公司日照供电公司
Abstract: 本发明提供了一种分布式光伏储能最大输出功率追踪方法及系统，构建分布式光伏储能的最大输出功率等效控制模型，确定相关外部环境因素；以径向基函数神经网络模型的输出误差最小为目标，优化径向基函数神经网络模型；利用优化后的径向基函数神经网络模型监测分布式光伏储能的相关外部环境因素，调节其输出电压，实现最大输出功率追踪。本发明通过利用改进的遗传算法优化径向基函数神经网络模型，利用优化后的网络模型进行分布式光伏储能的最大输出功率追踪和控制，能够有效提升收敛速度和预测精度。
-
公开(公告)号：CN118094111B
公开(公告)日：2024-09-06
申请号：CN202410464817.8
申请日：2024-04-18
Applicant: 国网山东省电力公司日照供电公司
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/22 , G06N3/084 , G06N20/00
Abstract: 本发明属于数据识别与处理技术领域，提供了一种基于机器学习的非侵入式负荷监测与辨识方法及系统，本发明将物联网、大数据、人工智能和机器学习等新一代信息技术与非侵入式负荷辨识相结合，可以更好地应对负荷数据的规模、复杂性和实时性要求，提高负荷辨识的准确性、效率和智能化水平，可以根据应用场景和需求来选择和调整，以实现最佳的非侵入式负荷辨识效果。
-
公开(公告)号：CN119850232A
公开(公告)日：2025-04-18
申请号：CN202311349181.4
申请日：2023-10-18
Applicant: 国网山东省电力公司日照供电公司
IPC: G06Q30/0201 , G06Q50/06 , G06F18/214 , G06N3/0442 , G06N3/084 , G06Q10/0631
Abstract: 一种基于VAE‑BiLSTM的市场化用户短期用电量预测方法，属于电力系统电量预测领域，解决预测用电量精准度的技术问题，是对收集的市场化数据进行处理实现短期用电量预测的过程，所述的预测方法在收集市场化数据后成多个批次进行训练，且对当前批次训练预测后得到的节点权重和偏置参数作为下一批次初始的训练参数，在此基础上，并且对每一批次的数据经过模型训练后的损失函数进行正则化。本发明的有益效果是，本发明通过收集市场化用电数据，根据相关性和内在行为将训练数据分成几批，以消除随机异常点对Bi‑LSTM预测准确性的影响，进而提升了预测精度。
-
公开(公告)号：CN118174361A
公开(公告)日：2024-06-11
申请号：CN202410591437.0
申请日：2024-05-14
Applicant: 国网山东省电力公司日照供电公司
Abstract: 本发明提供了一种分布式光伏储能最大输出功率追踪方法及系统，构建分布式光伏储能的最大输出功率等效控制模型，确定相关外部环境因素；以径向基函数神经网络模型的输出误差最小为目标，优化径向基函数神经网络模型；利用优化后的径向基函数神经网络模型监测分布式光伏储能的相关外部环境因素，调节其输出电压，实现最大输出功率追踪。本发明通过利用改进的遗传算法优化径向基函数神经网络模型，利用优化后的网络模型进行分布式光伏储能的最大输出功率追踪和控制，能够有效提升收敛速度和预测精度。
-
公开(公告)号：CN118094111A
公开(公告)日：2024-05-28
申请号：CN202410464817.8
申请日：2024-04-18
Applicant: 国网山东省电力公司日照供电公司
IPC: G06F18/10 , G06F18/213 , G06F18/214 , G06F18/22 , G06N3/084 , G06N20/00
Abstract: 本发明属于数据识别与处理技术领域，提供了一种基于机器学习的非侵入式负荷监测与辨识方法及系统，本发明将物联网、大数据、人工智能和机器学习等新一代信息技术与非侵入式负荷辨识相结合，可以更好地应对负荷数据的规模、复杂性和实时性要求，提高负荷辨识的准确性、效率和智能化水平，可以根据应用场景和需求来选择和调整，以实现最佳的非侵入式负荷辨识效果。
-
-
-
-
Search Results
5
records
(took 0.04 seconds)
