公开(公告)号：CN113159361A

公开(公告)日：2021-07-23

申请号：CN202011398686.6

申请日：2020-12-03

Applicant: 安徽大学 ,  国网安徽省电力有限公司电力科学研究院 ,  国网安徽省电力有限公司

Inventor： 张倩 ,  丁津津 ,  王璨 ,  于洋 ,  高博 ,  徐斌 ,  谢毓广 ,  孙辉 ,  李远松 ,  张峰 ,  汪勋婷 ,  李圆智 ,  陈洪波 ,  何开元 ,  栾喜臣 ,  张骏

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明的一种基于VDM和Stacking模型融合的短期负荷预测方法及系统，采集负荷序列数据，并输入到事先训练好的预测模型，进行负荷预测并输出预测结果；其中，预测模型的训练步骤如下：采用VMD算法将获取到的原始负荷序列分解为不同的固有模态分量IMF；计算每个IMF负荷分量序列的ApEn值；把每一个ApEn值作为一个随机分量，基于Stacking的思想，XGBoost和长短期记忆神经网络来构建模态分量IMF的预测模型；通过将上述预测模型对各模态分量IMF的预测结果叠加得到最终预测结果，再进行加权融合。相比传统方法的结果，本发明方法的结果表明基于多模型融合的Stacking集成学习方法在电力负荷预测中有良好的应用效果。

公开(公告)号：CN109934418A

公开(公告)日：2019-06-25

申请号：CN201910243384.2

申请日：2019-03-28

Applicant: 安徽大学

Inventor： 张倩 ,  丁津津 ,  马金辉 ,  马愿 ,  谢毓广 ,  李顺 ,  李智 ,  赵晓春 ,  叶海峰 ,  黄少雄 ,  王璨

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

Abstract: 本发明针对现有的短期负荷预测方法都存在预测方法较为单一，预测精度不高的问题，提供一种基于频域分解及人工智能算法的短期负荷预测方法。该方法，包括：用频域分解算法对原始负荷数据的负荷时间序列进行分解，获得日周期分量、周周期分量、低频分量和高频分量；采用神经网络算法对日周期和周周期进行预测；采用随机森林算法对低频分量进行预测；对高频分量进行二次分解，对分解后的低频部分采用神经网络算法进行预测。本发明所提的基于频域分解的短期负荷预测模型，预测结果与Elman神经网络、随机森林预测结果相比具有更高的预测精度。

公开(公告)号：CN112016732A

公开(公告)日：2020-12-01

申请号：CN202010209920.X

申请日：2020-03-23

Applicant: 国网安徽省电力有限公司 ,  安徽大学

Inventor： 马金辉 ,  汪伟 ,  王璨 ,  陈实 ,  李端超 ,  王正风 ,  王松 ,  陶雪峰 ,  潘文虎 ,  陈璐 ,  孔庆竹 ,  张倩 ,  张金金

IPC: G06Q10/04 ,  G06Q50/06 ,  G06K9/62 ,  G06F17/14

Abstract: 本发明的一种基于IRF和ODBSCAN的电力负荷频域预测方法及系统，可解决现有方法误差较大的技术问题。本发明提出基于改进的随机森林IRF(Improved Random Forest)和ODBSCAN(Optimized Density-Based Spatial Clustering of Applications with Noise)的频域组合预测方法。首先，采用EWT(Empirical Wavelet Transform)分解负荷，得到不同的固有模态分量IMFs(Intrinsic Mode Functions)；其次，根据各分量特征采用合理的方法进行预测。其中，低频、中频分量采用IRF预测；高频分量具有不确定性，使用ODBSCAN根据气象因素温度和湿度聚类，再根据每类的样本特性选择处理方法。最后，叠加各分量的预测值，获取总的预测结果。根据某地市现场负荷数据进行实验，预测结果分别与EWT-IRF、EWT-RF(Random Forest)、EMD(Empirical Mode Decomposition)-IRF模型的预测结果进行对比，可以获得更佳的预测效果，体现实际负荷的变化规律。

公开(公告)号：CN110942205A

公开(公告)日：2020-03-31

申请号：CN201911232794.3

申请日：2019-12-05

Applicant: 国网安徽省电力有限公司 ,  安徽大学

Inventor： 马金辉 ,  汪伟 ,  王璨 ,  陈实 ,  李端超 ,  王正风 ,  王松 ,  陶雪峰 ,  潘文虎 ,  陈璐 ,  孔庆竹 ,  张倩 ,  马愿

IPC: G06Q10/04 ,  G06Q50/06

Abstract: 本发明提出了一种基于HIMVO-SVM的短期光伏发电功率预测方法。首先，为摆脱传统MVO算法易陷入局部优化的缺点，采用基于帐篷映射的混沌序列参与种群初始化；接着，在MVO算法的位置矢量更新中，引入了一种非线性惯性权值下降策略，并加入差分进化(DE)算法进行全局搜索，提出了HIMVO算法来寻优SVM参数；最后，采用所提方法在三种不同天气类型下进行仿真实验。预测结果与SVM、MVO-SVM方法对比，验证了HIMVO-SVM方法可有效提升短期光伏发电功率预测精度。

公开(公告)号：CN110942205B

公开(公告)日：2022-12-06

申请号：CN201911232794.3

申请日：2019-12-05

Applicant: 国网安徽省电力有限公司 ,  安徽大学

Inventor： 马金辉 ,  汪伟 ,  王璨 ,  陈实 ,  李端超 ,  王正风 ,  王松 ,  陶雪峰 ,  潘文虎 ,  陈璐 ,  孔庆竹 ,  张倩 ,  马愿

IPC: G06Q10/04 ,  G06Q50/06

Abstract: 本发明提出了一种基于HIMVO‑SVM的短期光伏发电功率预测方法。首先，为摆脱传统MVO算法易陷入局部优化的缺点，采用基于帐篷映射的混沌序列参与种群初始化；接着，在MVO算法的位置矢量更新中，引入了一种非线性惯性权值下降策略，并加入差分进化(DE)算法进行全局搜索，提出了HIMVO算法来寻优SVM参数；最后，采用所提方法在三种不同天气类型下进行仿真实验。预测结果与SVM、MVO‑SVM方法对比，验证了HIMVO‑SVM方法可有效提升短期光伏发电功率预测精度。