公开(公告)号：CN113869600A

公开(公告)日：2021-12-31

申请号：CN202111210827.1

申请日：2021-10-18

Applicant: 国网江苏省电力有限公司营销服务中心 ,  河海大学

Inventor： 黄奇峰 ,  方凯杰 ,  左强 ,  杨世海 ,  赵梓舒 ,  黄艺璇 ,  刘恬畅 ,  程含渺 ,  陈铭明 ,  李波 ,  陆婋泉 ,  曹晓冬 ,  徐雨森 ,  臧海祥 ,  孙国强

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06K9/62

Abstract: 本发明公开了一种基于随机森林与二次修正的峰谷差中长期测算模型，对中长期需求响应实施成效进行评估，采集多个居民用户的历史负荷数据并计算历史峰谷差，需求侧用户负荷峰谷差的多源影响因素分析；进行多源影响因素特征提取，采用二进制特征工程提取最优特征组合作为随机森林模型的输入；构建基于随机森林的峰谷差测算模型，并输出月峰谷差与季峰谷差的测算结果；基于历史采集的需求侧用户负荷峰谷差数据，将筛选的相关修正因素逐个选取作为输入，构建贝叶斯回归模型，以实现对用户负荷峰谷差的拟合建模，根据拟合结果对一次季峰谷差的中长期预测结果进行修正。本发明对推进需求侧响应发展，缓解电力供需矛盾具有重要意义。

公开(公告)号：CN113344279B

公开(公告)日：2022-03-01

申请号：CN202110684640.9

申请日：2021-06-21

Applicant: 河海大学

Inventor： 臧海祥 ,  许瑞琦 ,  刘冲冲 ,  徐雨森 ,  卫志农 ,  孙国强

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于LSTM‑SAM模型和池化的居民负荷预测方法，属于电力系统技术领域，通过获取多个居民用户的历史负荷数据和数值气象预报数据，随机选择某个用户作为目标用户；采用二阶段特征工程对每个用户的数据进行预处理；对非目标用户进行排序，选择不同数量的非目标用户为互联用户，与目标用户共同构成不同的池化组合，基于池化构建训练数据池，并保留目标用户的测试集数据；将训练数据池和目标用户的测试集数据输入LSTM‑SAM混合模型，获取各负荷分量的预测值并将其相加，输出目标用户待预测时刻的日前负荷预测结果及最佳池化用户个数。本发明提高了居民负荷的预测精度，为系统调度和需求响应实施提供指导，保障了电力系统的安全稳定经济运行。

公开(公告)号：CN113869600B

公开(公告)日：2024-11-26

申请号：CN202111210827.1

申请日：2021-10-18

Applicant: 国网江苏省电力有限公司营销服务中心 ,  河海大学

Inventor： 黄奇峰 ,  方凯杰 ,  左强 ,  杨世海 ,  赵梓舒 ,  黄艺璇 ,  刘恬畅 ,  程含渺 ,  陈铭明 ,  李波 ,  陆婋泉 ,  曹晓冬 ,  徐雨森 ,  臧海祥 ,  孙国强

IPC: G06Q10/04 ,  G06Q10/063 ,  G06Q10/067 ,  G06F18/2431 ,  G06Q50/06

Abstract: 本发明公开了一种基于随机森林与二次修正的峰谷差中长期测算模型，对中长期需求响应实施成效进行评估，采集多个居民用户的历史负荷数据并计算历史峰谷差，需求侧用户负荷峰谷差的多源影响因素分析；进行多源影响因素特征提取，采用二进制特征工程提取最优特征组合作为随机森林模型的输入；构建基于随机森林的峰谷差测算模型，并输出月峰谷差与季峰谷差的测算结果；基于历史采集的需求侧用户负荷峰谷差数据，将筛选的相关修正因素逐个选取作为输入，构建贝叶斯回归模型，以实现对用户负荷峰谷差的拟合建模，根据拟合结果对一次季峰谷差的中长期预测结果进行修正。本发明对推进需求侧响应发展，缓解电力供需矛盾具有重要意义。

公开(公告)号：CN113673768A

公开(公告)日：2021-11-19

申请号：CN202110973134.1

申请日：2021-08-24

Applicant: 河海大学

Inventor： 臧海祥 ,  刘冲冲 ,  徐雨森 ,  赵梓舒 ,  卫志农 ,  孙国强

IPC: G06Q10/04 ,  G06Q50/06 ,  H02J3/00 ,  H02J3/38 ,  H02J3/46 ,  G06N3/04

Abstract: 本发明公开了提出了基于VMD和CNN‑LSTM的风功率概率预测模型，属于新能源发电和智能电网的技术领域，包含以下内容，首先使用VMD技术将原始风功率数据序列分解为一系列特征互异的模态分量，再通过卷积神经网络(convolutional neural network，CNN)提取反映各模态分量动态变化的高阶特征。长短期记忆(long short‑term memory，LSTM)循环神经网络基于提取的高阶特征进行分位数回归建模，预测未来任意时刻不同分位数条件下的风功率值。最后利用核密度估计(kernel density estimation,KDE)得到风功率概率密度曲线。采用本发明方法，该模型能够在保证了对风功率点预测准确性的同时，实现高可靠性和敏锐度的风功率区间预测以及可靠有效的风功率概率预测。

公开(公告)号：CN113344279A

公开(公告)日：2021-09-03

申请号：CN202110684640.9

申请日：2021-06-21

Applicant: 河海大学

Inventor： 臧海祥 ,  许瑞琦 ,  刘冲冲 ,  徐雨森 ,  卫志农 ,  孙国强

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于LSTM‑SAM模型和池化的居民负荷预测方法，属于电力系统技术领域，通过获取多个居民用户的历史负荷数据和数值气象预报数据，随机选择某个用户作为目标用户；采用二阶段特征工程对每个用户的数据进行预处理；对非目标用户进行排序，选择不同数量的非目标用户为互联用户，与目标用户共同构成不同的池化组合，基于池化构建训练数据池，并保留目标用户的测试集数据；将训练数据池和目标用户的测试集数据输入LSTM‑SAM混合模型，获取各负荷分量的预测值并将其相加，输出目标用户待预测时刻的日前负荷预测结果及最佳池化用户个数。本发明提高了居民负荷的预测精度，为系统调度和需求响应实施提供指导，保障了电力系统的安全稳定经济运行。