-
公开(公告)号：CN119558469A
公开(公告)日：2025-03-04
申请号：CN202411622152.5
申请日：2024-11-13
Applicant: 河南科技大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06N3/126 , G06F18/2321 , G06N7/02
Abstract: 本发明提供一种考虑源荷预测不确定性的RIES多目标优化规划方法，建立了RIES基本结构，并通过拉丁超立方抽样方法生成源荷预测误差的不确定性场景集，运用聚类技术对不确定性场景集进行削减，以总成本、二氧化碳排放量和系统可靠性为目标函数，构建考虑源荷预测不确定性的RIES多目标优化规划模型，采用非支配排序遗传算法NSGA‑III对多目标优化函数进行求解，得到Pareto前沿集，并通过模糊熵理论与TOPSIS相结合的策略，对Pareto前沿集的最优解进行选择，获得各典型场景的多目标优化规划结果。本发明能够综合考虑源荷预测不确定对规划的影响，提升系统的可靠性、可再生能源利用率，并降低系统投资与运维成本，同时减少二氧化碳排放量。
-
公开(公告)号：CN119442133A
公开(公告)日：2025-02-14
申请号：CN202411438310.1
申请日：2024-10-15
Applicant: 河南科技大学
IPC: G06F18/25 , G06F18/213 , G06V10/40 , G06F40/126 , G06N3/0455 , G06N3/08 , H02J3/00 , H02J3/38 , G06F123/02
Abstract: 本发明公开一种多模态特征融合模型构建方法及多步风电功率预测方法，属于风电功率预测领域，首先通过在格拉姆角场的基础上增加两个数据转化通道构建多通道格拉姆角场，将风电功率数据转化为具有色彩信息的RGB彩色图像；其次，将时间文本特征分别嵌入至数据特征与图像特征，提高二者的时序表达能力；然后使用交叉模态融合的方法将数据特征与图像特征进行融合，并利用自适应决策的方式调节二者融合时的动态权重，得到包含不同模态信息的融合特征；最后，利用Transformer的编码器提取融合特征与风电功率之间的关联信息，解码器依据关联信息与先验数据将输入数据解码为待预测的风电功率。通过仿真实验表明本方法有效提高了风电功率的预测精度。
-
公开(公告)号：CN117592615A
公开(公告)日：2024-02-23
申请号：CN202311625198.8
申请日：2023-11-30
Applicant: 河南科技大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06F18/214 , G06N20/20
Abstract: 一种基于ICEEMDAN和集成LSTM‑TCN模型的短期电力负荷预测方法，包括以下具体步骤：步骤1、对原始负荷数据进行预处理，采用ICEEMDAN算法对预处理后的负荷数据进行模态分解，分解成n个时间尺度各导的IMF子序列；步骤2、将n个时间尺度各导的IMF子序列输入采用Bagging算法构建的多个LSTM‑TCN基础模型；步骤3、每个IMF子序列在多个LSTM‑TCN基础模型中进行采样、训练和预测，得到多个预测值，将多个预测值进行平均得到每个IMF子序列的预测值；步骤4、将所有IMF的预测值进行叠加从而得到最终的预测结果。本发明预测精度高，泛化能力强。
-
Patent Agency Ranking
公开(公告)号：CN119419786A
公开(公告)日：2025-02-11
申请号：CN202411622437.9
申请日：2024-11-13
Applicant: 河南科技大学
IPC: H02J3/00 , H02J3/38 , H02J3/46 , H02J3/28 , H02J3/32 , G06Q10/04 , G06Q10/0631 , G06Q10/067 , G06Q50/06
Abstract: 本发明提供一种考虑分段多区间不确定性集微电网鲁棒优化调度方法，基于高斯混合模型将风、光和负荷的源荷预测功率和误差数据进行分段拟合，与盒型区间不确定集相结合建立功率分区段的多区间不确定性集，用于描述风、光及负荷的不确定性；以微电网运行成本和碳排放成本最小为目标，构建考虑分段多区间不确定性集和碳排放的微电网鲁棒优化调度模型；采用列和约束生成算法求解微电网鲁棒优化调度模型。本发明能够解决微电网的不确定性建模和碳排放问题，降低了鲁棒优化调度策略的保守性并提高微电网调度的经济性。
-
公开(公告)号：CN118839722A
公开(公告)日：2024-10-25
申请号：CN202410807344.7
申请日：2024-06-20
Applicant: 河南科技大学
IPC: G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/0985 , G06N3/006 , G06Q10/04 , G06Q50/06
Abstract: 本发明提供一种基于IDBO优化CNN‑BiLSTM模型的RIES负荷预测方法，首先，根据区域综合能源系统负荷特征，建立基于CNN‑BiLSTM的预测方法。其次，采用Sobol序列、曲线自适应策略、余弦自适应系数分别对DBO算法中的种群初始化、滚球蜣螂和小蜣螂的位置更新方法进行了改进，并采用CEC2022函数对IDBO优化算法进行了相关的测试实验，结果表明改进的DBO具有全局搜索能力强和收敛速度快的优点。最后，采用IDBO优化CNN‑BiLSTM模型的超参数，为验证所提方法的有效性，对比不同场景和选择不同模型进行比较实验，IDBO寻优性能优于HHO、WOA等优化算法，能搜索到最佳的CNN‑BiLSTM超参数，降低了超参数选取不当所带来的负荷预测偏差。本方案所提的IDBO优化CNN‑BiLSTM模型的RIES负荷预测方法能更有效地提高RIES多元负荷预测的精度。
-
公开(公告)号：CN117875471A
公开(公告)日：2024-04-12
申请号：CN202311625187.X
申请日：2023-11-30
Applicant: 河南科技大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/049 , G06F17/16
Abstract: 一种区域综合能源系统短期负荷预测方法，基于注意力机制的时空同步图卷积神经网络结构，该结构由一个输入变换、多个时空同步图卷积和一个输出变换组成，通过输入数据得出区域综合能源短期负荷的预测结果，具体包括以下步骤：步骤一、定义时空图数据序列，对序列进行截断后进入输入变换，经变换后作为时空图数据输入第一个时空同步图卷积；步骤二、时空图数据序列经过图卷积运算，重复至所有时空同步图卷积运行完成，得到聚合各个时空同步图卷积运行的结果；步骤三、通过输出变换将多个时空同步图卷积运算得出的结果输出，得到最终的区域综合能源短期负荷的预测结果。本方法于时空同步同卷积神经网络的注意机制，提升预测的精度。
-
公开(公告)号：CN118137479A
公开(公告)日：2024-06-04
申请号：CN202410255310.1
申请日：2024-03-06
Applicant: 河南科技大学
Abstract: 本发明公开了一种基于组合预测模型的短期风电功率预测方法，该方法首先基于改进的VMD构建变分模型将原始风电功率序列分解为一系列本征模态函数；其次利用LASSO筛选气象数据、历史风电功率与IMFs中的关键特征；然后针对各IMF构建BiGRU模型，充分提取输入数据的时序特征；对模型进行训练，确定最优模型参数，最后加载最优模型参数进行预测。本发明结合了IVMD与LASSO的优势，采用的改进变分模态分解，具有更好的分解效果，有效的降低风电功率序列的波动性，泛化能力更优越。
-
公开(公告)号：CN119382095A
公开(公告)日：2025-01-28
申请号：CN202411439084.9
申请日：2024-10-15
Applicant: 河南科技大学
IPC: H02J3/00 , G06F18/27 , G06F18/214 , G06F18/10 , G06N3/0442 , G06N3/084 , G06Q50/06
Abstract: 一种基于MIC算法和LSTM‑ITCN模型的短期电力负荷预测的方法，属于短期负荷预测方法技术领域，对收集到的原始数据进行预处理，引入MIC算法对步骤一预处理后的特征数据进行相关性分析，将步骤二所筛选的特征数据构建数据集，将步骤三中赋予权重后的训练集输入到LSTM网络提取短期时序特征，再经过ITCN网络提取长期时序特征，并做出预测，将步骤四中构建的LSTM‑ITCN预测模型经过不断调整，获得最优模型，将步骤五中经过自注意力机制的测试集输入到步骤五获得的最优模型中进行预测，得到最终的负荷预测值，具有分析多个外界特征对电力负荷的影响，并有效提取了数据的短期和长期特征，提高了电力负荷的预测精度，解决了模型过拟合风险，有效提高了负荷预测效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
