公开(公告)号：CN116681159A

公开(公告)日：2023-09-01

申请号：CN202310565369.6

申请日：2023-05-18

Applicant: 重庆邮电大学

Inventor： 唐贤伦 ,  郭祥麟 ,  李洁 ,  黄健 ,  王乐君 ,  谢涛 ,  张家瑞 ,  刘行谋 ,  王会明 ,  邹密

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/006 ,  G06F16/215 ,  G06F17/10 ,  G06N3/04

Abstract: 本发明请求保护一种基于鲸鱼优化算法和DRESN的短期电力负荷预测方法，首先使用变分模态分解(Variational mode decomposition，VMD)对负荷序列进行平稳化处理，并计算各分量样本熵值(Sample Entropy，SE)，将样本熵值相似的分量进行合并重构。然后采用偏自相关函数(Partial Auto Correlation Function，PACF)计算滞后阶数，确定最佳的输入变量序列。最后，将结合气象特征因素的重构模态分量输入至预测模型，采用泛化能力和鲁棒性更强的双存储池回声状态网络模型(Double Reservoir Echo State Network，DRESN)进行短期电力负荷数据的预测，并采用鲸鱼优化算法(Whale Optimization Algorithm，WOA)对模型进行参数寻优。本发明相比于传统预测方法，有更高的精确性。

公开(公告)号：CN116090627A

公开(公告)日：2023-05-09

申请号：CN202310003746.7

申请日：2023-01-03

Applicant: 重庆邮电大学

Inventor： 唐贤伦 ,  郭祥麟 ,  谢颖 ,  李自若 ,  李洁 ,  张家瑞 ,  邹密 ,  罗洪平

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/08 ,  G06F18/23 ,  G06N3/0464

Abstract: 本发明请求保护一种结合CDC‑VMD和回声状态网络的短期电力负荷预测方法，首先使用局部方向中心性聚类算法CDC对原始负荷数据进行精确聚类，并采用戴维森堡丁指数DBI对比其他聚类算法，得出CDC算法聚类效果最优。之后采用变分模态分解VMD对负荷数据进行处理，将负荷序列分解得到多个本征模态函数(IMF)，以降低神经网络预测模型输入数据的复杂程度，分别计算各个IMF分量的样本熵(SE)，将相近样本熵值的分量合并为一个新的序列，以减少所需训练的模型数量，最后利用深度回声状态网络DESN来拟合各个序列的历史数据和预测数据的关系，并叠加各模型的预测结果得到最后的预测值。本发明相比于传统预测方法，有更高的精确性。

公开(公告)号：CN116070768A

公开(公告)日：2023-05-05

申请号：CN202310128193.8

申请日：2023-02-16

Applicant: 重庆邮电大学

Inventor： 唐贤伦 ,  张家瑞 ,  谢颖 ,  纪静 ,  李自若 ,  郭祥麟 ,  邹密 ,  王会明

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F18/10 ,  G06N3/049 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明请求保护一种基于数据重构和TCN‑BiLSTM的短期风电功率预测方法。首先利用结合自适应噪声完备集合经验模态分解(CEEMDAN)对原始风电功率数据进行分解处理，将功率序列分解得到多个本征模态函数(IMF)，以降低神经网络预测模型输入数据的复杂程度。然后计算每个分量的样本熵(SE)值，并将SE值相近的分量归为一类，合并得到新的重构分量，从而减少需要训练和预测的分量数量。最后，建立一种结合时间卷积网络(TCN)和双向长短期记忆网络(BiLSTM)的多元组合预测模型对各分量进行特征提取、信息挖掘及预测，并叠加各分量的预测结果得到最后的预测值。本发明相比于其他风电功率预测传统方法，具有更高的预测精度。