公开(公告)号：CN119476785A

公开(公告)日：2025-02-18

申请号：CN202411490192.9

申请日：2024-10-24

Applicant: 浙江大学

Inventor： 林小杰 ,  杨子毓 ,  钟崴

IPC: G06Q10/0631 ,  G06Q10/0637 ,  G06Q50/06

Abstract: 本发明涉及电力系统负荷分析领域，公开了一种基于时空特征重构技术的非侵入式电能负荷分解方法。本发明方法采用快速傅里叶变换(FFT)寻找电力数据的周期性模式，再根据周期将一维时间序列重塑为二维时空张量，使用卷积神经网络深度挖掘二维时空张量的数据特征信息，实现电力数据的非侵入式分解。利用本方法重构了电力数据的时空特征，使得该方法可以学习到周期内与周期间的变化关系，深度挖掘用户的用电习惯，提高了负荷分解的精度。同时，由于识别的电力负荷周期性与电力设备相对应，可以避免相似功率电器的影响。

公开(公告)号：CN117634309A

公开(公告)日：2024-03-01

申请号：CN202311699135.7

申请日：2023-12-12

Applicant: 浙江大学

Inventor： 杨子毓 ,  林小杰 ,  钟崴

IPC: G06F30/27 ,  G06F30/28 ,  G06F17/11 ,  G06N3/04 ,  G06Q10/04 ,  G06Q50/06 ,  H02J3/00 ,  G06F113/06 ,  G06F113/08 ,  G06F119/14 ,  G06F111/10 ,  G06F111/04

Abstract: 本发明涉及风功率预测领域，提供一种基于物理信息神经网络的风功率预测方法。本发明方法依据风场的历史数据，建立风场数学模型和边界条件。利用物理信息神经网络构建风速预测代理模型，其中损失函数结合风速预测的误差和物理方程的违反程度，以此加强风速预测的物理约束，有效提升模型准确性。将预测得到的风速作为输入，应用到风功率预测模型中即可获得对应的风功率的预测值。本发明通过引入物理约束方程对风场进行大规模风速预测，提高了风速预测对于物理方程的匹配性，从而提升准确性，实现对风场功率的精准预测。