-
公开(公告)号：CN115017799A
公开(公告)日：2022-09-06
申请号：CN202210520496.X
申请日：2022-05-13
Applicant: 河海大学
IPC: G06F30/27 , G06F113/04 , G06F119/02
Abstract: 本发明公开了基于EM‑DBN融合的无量测区太阳辐射估计方法，属于电力系统技术领域，该方法流程如下：基于现有数据集，选取日太阳总辐射估计经验模型；利用周边站址和目标站址的气象数据和辐照度数据构建训练集和测试集，基于训练集数据拟合经验模型的函数表达式；通过特征扩维的方式，将经验模型和DBN模型相融合，利用周边站址数据构建EM‑DBN融合模型；结合迁移学习算法，将构建好的EM‑DBN融合模型迁移到无量测目标站址上获得太阳辐射估计值。该方法解决了无辐射量测区的辐射资源评估问题，减少了太阳能发电的不确定性对电力系统带来的危害，提高了太阳能的利用效率。
-
公开(公告)号：CN113505998A
公开(公告)日：2021-10-15
申请号：CN202110799190.8
申请日：2021-07-15
Applicant: 河海大学
Abstract: 本发明公开基于麻雀搜索算法‑深度信念网络的日太阳辐射估计模型，属于新能源发电技术领域，获取气象参数数据，空气污染数据和日太阳总辐射数据，采用互信息理论选取最佳输入变量；对上述输入变量建立估算模型，比较估算误差大小，确定最优的输入变量；在选取最优输入变量集合的基础上，建立基于深度信念网络(DBN)的太阳辐射估算模型；对深度信念网络模型进一步分析，采取麻雀搜索算法对深度信念网络参数进行优化，建立基于麻雀搜索算法‑深度信念网络模型。本发明用麻雀搜索算法对深度信念网络进行改进，估算的准确度得到了提高；有利于保证光伏系统的可靠运行，更好地工程实践运用。
-
Patent Agency Ranking
公开(公告)号：CN113988373B
公开(公告)日：2022-09-30
申请号：CN202111134821.0
申请日：2021-09-27
Applicant: 河海大学
IPC: G06Q10/04 , G06Q50/06 , G06V10/762 , G06N3/04
Abstract: 本发明公开基于多通道卷积神经网络的多任务海量用户负荷预测方法，属于电力系统技术领域，包括以下步骤：采用凝聚型层次聚类方法将全部居民用户聚为日均用电模式各异的多个类簇；利用基于多通道的多源输入融合法为各类簇构建相应的输入数据集；然后分别为各个类簇建立基于卷积神经网络的多任务负荷预测模型，每个模型并行输出相应类簇中不同用户的负荷预测值，最终获得全部居民用户的负荷预测结果。本发明完成对所有居民用户的负荷预测，提高了平均预测精度，大幅度减少了建模次数和累计运行时长，有利于售电公司开展个性化增值服务，提高电力企业营销水平、规避考核偏差，为制定需求响应策略提供有效指导，保障了电力系统安全稳定经济运行。
-
公开(公告)号：CN113988373A
公开(公告)日：2022-01-28
申请号：CN202111134821.0
申请日：2021-09-27
Applicant: 河海大学
IPC: G06Q10/04 , G06Q50/06 , G06V10/762 , G06K9/62 , G06N3/04
Abstract: 本发明公开基于多通道卷积神经网络的多任务海量用户负荷预测方法，属于电力系统技术领域，包括以下步骤：采用凝聚型层次聚类方法将全部居民用户聚为日均用电模式各异的多个类簇；利用基于多通道的多源输入融合法为各类簇构建相应的输入数据集；然后分别为各个类簇建立基于卷积神经网络的多任务负荷预测模型，每个模型并行输出相应类簇中不同用户的负荷预测值，最终获得全部居民用户的负荷预测结果。本发明完成对所有居民用户的负荷预测，提高了平均预测精度，大幅度减少了建模次数和累计运行时长，有利于售电公司开展个性化增值服务，提高电力企业营销水平、规避考核偏差，为制定需求响应策略提供有效指导，保障了电力系统安全稳定经济运行。
-
公开(公告)号：CN113298303B
公开(公告)日：2021-12-28
申请号：CN202110544261.X
申请日：2021-05-19
Applicant: 河海大学
Abstract: 本发明公开了针对气象卫星云图动态注意域的光伏功率预测方法，属于可再生能源开发利用技术领域；该方法及系统包括如下三个功能模块：编码、特征增强和解码；其中，编码模块接入地球同步静止气象卫星数据，基于气象卫星云图计算光流图，并将气象卫星云图和光流图输入到二维多通道卷积神经网络模型，计算得到卷积隐层特征。特征增强模块基于卷积隐层特征、结合历史光伏功率和晴空光伏估计值，利用注意力模型计算得到动态注意域特征。解码模块将动态注意域特征作为输入，构建冗余循环神经网络模型，实现提前0.5～3小时光伏功率预测。本发明方法及系统能够部署于接入实时卫星遥感的光伏电站，满足电站监控运维及光伏并网系统实时调度需求。
-
公开(公告)号：CN115017799B
公开(公告)日：2023-05-23
申请号：CN202210520496.X
申请日：2022-05-13
Applicant: 河海大学
IPC: G06F30/27 , G06F113/04 , G06F119/02
Abstract: 本发明公开了基于EM‑DBN融合的无量测区太阳辐射估计方法，属于电力系统技术领域，该方法流程如下：基于现有数据集，选取日太阳总辐射估计经验模型；利用周边站址和目标站址的气象数据和辐照度数据构建训练集和测试集，基于训练集数据拟合经验模型的函数表达式；通过特征扩维的方式，将经验模型和DBN模型相融合，利用周边站址数据构建EM‑DBN融合模型；结合迁移学习算法，将构建好的EM‑DBN融合模型迁移到无量测目标站址上获得太阳辐射估计值。该方法解决了无辐射量测区的辐射资源评估问题，减少了太阳能发电的不确定性对电力系统带来的危害，提高了太阳能的利用效率。
-
公开(公告)号：CN113298303A
公开(公告)日：2021-08-24
申请号：CN202110544261.X
申请日：2021-05-19
Applicant: 河海大学
Abstract: 本发明公开了针对气象卫星云图动态注意域的光伏功率预测方法，属于可再生能源开发利用技术领域；该方法及系统包括如下三个功能模块：编码、特征增强和解码；其中，编码模块接入地球同步静止气象卫星数据，基于气象卫星云图计算光流图，并将气象卫星云图和光流图输入到二维多通道卷积神经网络模型，计算得到卷积隐层特征。特征增强模块基于卷积隐层特征、结合历史光伏功率和晴空光伏估计值，利用注意力模型计算得到动态注意域特征。解码模块将动态注意域特征作为输入，构建冗余循环神经网络模型，实现提前0.5～3小时光伏功率预测。本发明方法及系统能够部署于接入实时卫星遥感的光伏电站，满足电站监控运维及光伏并网系统实时调度需求。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
