-
公开(公告)号：CN115395506A
公开(公告)日：2022-11-25
申请号：CN202210988184.1
申请日：2022-08-17
Applicant: 广东工业大学
Abstract: 本发明公开一种基于动态邻域的超短期风电功率预测方法及设备。将采集的风电数据划分成训练数据集和测试数据集，然后设定好BP神经网络的拓扑结构并输入训练数据进行训练，先通过CSO算法初始化BP神经网络的参数，计算初始种群中个体适应度值，然后执行横向纵向交叉，再次计算个体适应度值，之后根据个体适应度值计算粒子聚集度因子，再进行自适应邻域搜索更新粒子，得到训练完成的BP神经网络，最后将测试数据集输入训练好的BP神经网络中进行预测，得到预测的风电功率。本发明能够有效的提升超短期风电功率预测的精度。
-
Patent Agency Ranking
公开(公告)号：CN115169544A
公开(公告)日：2022-10-11
申请号：CN202211075827.X
申请日：2022-09-05
Applicant: 广东工业大学
Abstract: 本发明公开了一种短期光伏发电功率预测方法及系统。首先获取目标域光伏发电站以及源域光伏发电站的特征数据，对数据进行预处理后划分出训练数据和测试数据，然后构建GRU‑DANN对抗迁移学习模型并对其进行训练，得到训练好的GRU‑DANN对抗迁移学习模型，最后将测试数据输入至训练好的GRU‑DANN对抗迁移学习模型中，得到目标域光伏发电站的目标功率，并按照时序生成与目标功率对应的功率时间序列。本发明可从多样本光伏发电站的数据中自动提取出建立少样本光伏发电站功率预测模型所需要的特征，实现多样本光伏发电站对少样本光伏发电站的有效迁移，以提高少样本光伏发电站的功率预测精度。
-
公开(公告)号：CN115640868A
公开(公告)日：2023-01-24
申请号：CN202210999675.6
申请日：2022-08-19
Applicant: 广东工业大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0475 , G06N3/045 , G06N3/006 , G06N3/0442 , G06N3/086 , H02J3/00 , H02J3/38
Abstract: 本发明涉及风电功率预测的技术领域，更具体地，涉及一种新建风电场少数据风电功率短期预测方法，具体来说，是一种基于进化生成对抗网络和双向门控循环单元的新建风电场少数据风电功率短期预测方法。本发明采用进化计算优化生成对抗网络，使得生成模型能够高效学习原始少数据的边际分布，并生成具有模态多样性和相似边际分布的新数据，以弥补原始小规模数据的局限性，对于新建风电场的少数据风电功率预测精度提升具有实际性的帮助；采用纵横交叉优化算法优化BiGRU网络中Dense层权重和偏置项，能够有效避开模型陷入局部最优并帮助其寻找到全局最优解，对提高少数据新建风电场的风电功率预测精度具有明显的效果。
-
公开(公告)号：CN114429078A
公开(公告)日：2022-05-03
申请号：CN202111585164.1
申请日：2021-12-22
Applicant: 广东工业大学
IPC: G06F30/27 , G06F30/23 , G06N3/04 , G06N3/08 , G06F113/06 , G06F119/06 , G06F119/08
Abstract: 本发明公开一种短期风电功率预测方法及系统，先需要获取不同地理位置的风电场的气象特征参数，在经过初步处理后，构成特征矩阵输入预测模型，采用预测模型中的空间注意力机制挖掘不同风电场与目标风电场的空间关系，再经由门控循环单元网络挖掘特征矩阵中存在的隐含关系，之后采用纵横交叉优化算法优化门控循环单元网络中的超参数矩阵完成预测模型的训练，最后使用预测模型进行风电功率的预测。本发明能够实现邻近风电场对目标风电场影响程度的量化，以提高风电功率的预测精度。
-
公开(公告)号：CN114429078B
公开(公告)日：2022-10-18
申请号：CN202111585164.1
申请日：2021-12-22
Applicant: 广东工业大学
IPC: G06F30/27 , G06F30/23 , G06N3/04 , G06N3/08 , G06F113/06 , G06F119/06 , G06F119/08
Abstract: 本发明公开一种短期风电功率预测方法及系统，先需要获取不同地理位置的风电场的气象特征参数，在经过初步处理后，构成特征矩阵输入预测模型，采用预测模型中的空间注意力机制挖掘不同风电场与目标风电场的空间关系，再经由门控循环单元网络挖掘特征矩阵中存在的隐含关系，之后采用纵横交叉优化算法优化门控循环单元网络中的超参数矩阵完成预测模型的训练，最后使用预测模型进行风电功率的预测。本发明能够实现邻近风电场对目标风电场影响程度的量化，以提高风电功率的预测精度。
-
公开(公告)号：CN115169543A
公开(公告)日：2022-10-11
申请号：CN202211075821.2
申请日：2022-09-05
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于迁移学习的短期光伏功率预测方法及系统，先获取源域以及目标域光伏发电站的特征数据并进行预处理，划分得到源域训练数据、目标域的训练数据和测试数据；然后通过源域训练数据对源域预测模型进行训练，找到最佳的源域预测模型；之后通过改进生成对抗网络对目标域训练数据进行增强，获得目标域增强训练数据；再将最佳源域预测模型的权重参数进行迁移，得到目标域预测模型；然后通过增强训练数据训练目标域预测模型，得到最佳目标域预测模型；最后将测试数据输入至最佳目标域预测模型中，得到目标光伏发电站的目标功率。本发明可有效提升对光伏发电站的短期功率进行预测的精度。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
