-
公开(公告)号：CN113902170B
公开(公告)日：2024-12-24
申请号：CN202111059147.4
申请日：2021-09-10
Applicant: 国网山东省电力公司经济技术研究院 , 国家电网有限公司 , 河海大学
Inventor： 魏佳 , 鉴庆之 , 李文升 , 张栋梁 , 刘晓明 , 孙东磊 , 袁振华 , 赵龙 , 汪湲 , 杜鹏 , 田鑫 , 杨思 , 高效海 , 王男 , 张辉 , 程佩芬 , 杜欣烨 , 孙永辉 , 周衍
IPC: G06Q10/04 , G06Q10/0639 , G06F30/27 , G06Q50/06
Abstract: 本发明公开了一种基于复合分位数回归的海上风电功率概率预测方法，该方法首先分析概率预测区间评价指标，基于该指标的预测区间改进策略，且综合考虑预测区间的可靠度、敏锐度；然后分析预测区间评价指标，计及可靠度、敏锐度，提出复合分位数回归模型，通过调节系数优化预测指标之间的权重，进一步提高预测区间性能，完成预测区间综合性能优化；最后输入风电功率时间序列，实现超短期概率预测。算例测试表明，本发明的预测区间性能明显优于传统基于分位数回归模型的预测模型，能提供高质量的概率预测区间。
-
公开(公告)号：CN109272156A
公开(公告)日：2019-01-25
申请号：CN201811059871.5
申请日：2018-09-12
Applicant: 河海大学
Abstract: 本发明公开了一种超短期风电功率概率预测方法，采集风电场的历史数据，得到训练样本集；根据影响因素的历史数据生成输入变量，得到样本集；利用小波分析将样本集进行小波分解与小波系数重构，得到小波样本集；利用极限学习机对每一个小波样本集进行模型参数的训练，得到小波的极限学习机预测模型，将测试集带入网络得到小波超短期点预测值，将各小波的极限学习机模型训练误差与点预测值进行存储相加并取平均值，得到经过小波分解之后模型的真实误差与点预测值，对模型的真实误差进行高斯分布参数估计，得到小波模型训练误差的高斯分布函数，应置信度要求结合点预测值即可求出小波的超短期概率预测区间。
-
公开(公告)号：CN109239596A
公开(公告)日：2019-01-18
申请号：CN201810955767.8
申请日：2018-08-21
Applicant: 河海大学
Abstract: 本发明公开了一种基于EKF-IRLS滤波的动态状态估计方法，用于电力系统粗差情形下动态状态估计。该方法结合了扩展卡尔曼滤波(Extended Kalman filter,EKF)与最小二乘估计器(Iterated Recursive Least Square,IRLS)的优点，可有效抑制由粗差引起的状态估计偏差，能够实现状态的准确估计，具有很强的鲁棒性。该方法的应用，将有效提高电力系统的监测水平，保证其安全稳定运行。
-
公开(公告)号：CN109214575A
公开(公告)日：2019-01-15
申请号：CN201811059862.6
申请日：2018-09-12
Applicant: 河海大学
Abstract: 本发明公开了一种基于小波长短期记忆网络的超短期风电功率预测方法，根据历史数据生成输入变量，以所对应的风功率历史数据作为输出，得到训练样本；采用小波分析方法对训练样本进行三级小波分解，得到四个小波样本，利用长短期记忆网络模型对四个小波样本分别进行训练，得到训练后的小波长短期记忆网络预测模型；根据四个小波样本的待预测时刻的实际数据生成测试输入数据，并输入到预测模型，其输出即为待预测的时刻的超短期风电功率预测值。本发明将小波分析方法与长短期记忆深度网络结合，可以同时实现数据的平稳化处理与深度学习，提高了预测的精度，增强了模型的泛化能力。
-
公开(公告)号：CN113256018B
公开(公告)日：2022-09-02
申请号：CN202110636517.X
申请日：2021-06-08
Applicant: 河海大学
Abstract: 本发明公开了一种基于条件分位数回归模型的风电功率超短期概率预测方法，首先分析风电功率时间序列的特性，研究基于多元时间序列基序的层次聚类方法，综合考虑静态特性、动态特性及气象特性，然后基于聚类结果计算样本倍增系数，并以此为条件针对每一个样本类进行分位数回归以训练模型，完成参数优化，最后输入风电功率时间序列，实现超短期概率预测。本发明其预测区间性能明显优于传统基于分位数回归模型的预测模型，且具有较好的可靠度，极大的提高了风电功率预测可信度。
-
Patent Agency Ranking
公开(公告)号：CN110598929B
公开(公告)日：2022-09-02
申请号：CN201910851876.X
申请日：2019-09-10
Applicant: 河海大学 , 国网辽宁省电力有限公司电力科学研究院 , 国家电网有限公司 , 中国电力科学研究院有限公司
Abstract: 本发明公开了一种风电功率非参数概率区间超短期预测方法，该方法基于自适应LASSO和极限学习机。首先对风功率序列进行非线性分位数回归得到自适应调节参数；然后利用基于自适应LASSO的分位数回归和改进的贝叶斯信息准则计算最优的基于极限学习机的分位数回归模型输出系数；最后输入风功率时间序列，得到超短期预测值。本发明所述方法构建的分位数回归预测模型，其区间评分明显优于传统基于分位数回归的预测模型，并且预测精度和区间宽度综合指标较好，极大的提高了风电功率预测可信度。
-
公开(公告)号：CN113256018A
公开(公告)日：2021-08-13
申请号：CN202110636517.X
申请日：2021-06-08
Applicant: 河海大学
Abstract: 本发明公开了一种基于条件分位数回归模型的风电功率超短期概率预测方法，首先分析风电功率时间序列的特性，研究基于多元时间序列基序的层次聚类方法，综合考虑静态特性、动态特性及气象特性，然后基于聚类结果计算样本倍增系数，并以此为条件针对每一个样本类进行分位数回归以训练模型，完成参数优化，最后输入风电功率时间序列，实现超短期概率预测。本发明其预测区间性能明显优于传统基于分位数回归模型的预测模型，且具有较好的可靠度，极大的提高了风电功率预测可信度。
-
公开(公告)号：CN109218073B
公开(公告)日：2021-05-11
申请号：CN201810811981.6
申请日：2018-07-23
Applicant: 河海大学
Abstract: 本发明公开了一种计及网络攻击和参数不确定性的动态状态估计方法，包括以下步骤：建立电力系统动态状态估计模型；初始化状态估计方法参数值；计算t时刻的状态预测值与预测误差协方差；建立线性批处理回归模型；采用鲁棒投影统计方法，求取数据点在所有可能向量的投影值；对线性批处理回归模型进行白噪化处理；计算迭代加权最小二乘法的初始权矩阵并获取状态估计值；计算t时刻的估计误差协方差；依据时间序列对系统状态进行动态估计。本发明提出的方法可有效抑制网络攻击和模型参数不确定性所引起的估计偏差，甚至发散等问题；有效提升了状态估计精度，具有较强的鲁棒性；为电力系统动态监测与分析提供了坚实的数据信息。
-
公开(公告)号：CN110991737A
公开(公告)日：2020-04-10
申请号：CN201911201581.4
申请日：2019-11-29
Applicant: 河海大学
Abstract: 本发明公开了一种基于深度置信网络的超短期风电功率预测方法，该方法首先采集风电场的历史数据，得到训练样本集；然后利用训练样本对深度置信网络模型进行训练，得到训练后的深度置信网络模型；接着根据所述影响因素的待预测时刻的实际数据生成验证输入数据，同时将测试输入数据输入到已经完成训练的深度置信网络模型，模型输出值即为待预测时刻的风电功率预测值。本发明是基于深度置信网络模型的超短期风电功率预测方法，利用深度置信网络模型良好的特征筛选分析能力，提高了预测的精度，强化了模型的泛化能力。
-
公开(公告)号：CN109214575B
公开(公告)日：2021-08-31
申请号：CN201811059862.6
申请日：2018-09-12
Applicant: 河海大学
Abstract: 本发明公开了一种基于小波长短期记忆网络的超短期风电功率预测方法，根据历史数据生成输入变量，以所对应的风功率历史数据作为输出，得到训练样本；采用小波分析方法对训练样本进行三级小波分解，得到四个小波样本，利用长短期记忆网络模型对四个小波样本分别进行训练，得到训练后的小波长短期记忆网络预测模型；根据四个小波样本的待预测时刻的实际数据生成测试输入数据，并输入到预测模型，其输出即为待预测的时刻的超短期风电功率预测值。本发明将小波分析方法与长短期记忆深度网络结合，可以同时实现数据的平稳化处理与深度学习，提高了预测的精度，增强了模型的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.023 seconds)
