公开(公告)号：CN118348441A

公开(公告)日：2024-07-16

申请号：CN202410627438.6

申请日：2024-05-20

Applicant: 福州大学

Inventor： 杨隆浩 ,  黄晨曦 ,  雷玉莉 ,  梁心悦 ,  傅柏艺 ,  钱蓓雅 ,  冯凯茵 ,  蓝以信

IPC: G01R31/392 ,  G01R31/367

Abstract: 本发明提供基于LSTM‑EBRB的锂电池健康状态预测方法，包括以下步骤：步骤S1：提取锂电池的健康因子作为前提属性，构建EBRB推理模型的规则库；步骤S2：输入训练集数据，进行规则库推理，计算对应的激活权重；步骤S3：将S2得到的激活权重作为输入，训练一个长短期记忆（LSTM）神经网络模型；步骤S4：输入预测对象数据，设置预测起点，计算激活权重，以序列输入LSTM模型，进行预测，得到改进激活权重；步骤S5：合成激活规则，得到预测结果。

公开(公告)号：CN119918728A

公开(公告)日：2025-05-02

申请号：CN202411974659.7

申请日：2024-12-30

Applicant: 福州大学

Inventor： 杨隆浩 ,  朱卓妍 ,  林嘉雁 ,  傅柏艺 ,  王荣耀 ,  吴海东

IPC: G06Q10/04 ,  H02J3/00 ,  H02J3/38 ,  H02S50/00 ,  G06Q50/06 ,  G06N3/0442 ,  G06N3/045 ,  G06N20/20

Abstract: 本发明涉及一种基于LSTM和EBRB的光伏发电功率预测方法，属于光伏发电功率预测领域。所述方法，包括：步骤一，基于特征工程提取光伏发电功率影响因子；步骤二，基于LSTM构建预测模型；步骤三，基于EBRB构建推理模型；步骤四，构建基于LSTM和EBRB的Stacking集成模型；步骤五，将数据输入Stacking集成模型，得到光伏发电功率预测结果。本发明能有效提高光伏发电功率预测精度，保证电网运行的稳定性。本发明将LSTM与EBRB相结合，构建基于LSTM和EBRB的Stacking集成模型，有效提高了模型的可解释性和预测准确性，该研究为LSTM和EBRB在光伏发电功率预测领域的进一步应用与发展提供了支持。