-
公开(公告)号：CN112507793B
公开(公告)日：2023-08-08
申请号：CN202011225477.1
申请日：2020-11-05
Applicant: 上海电力大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/082 , G06V20/13 , G06V10/24 , G06V10/28 , G06V10/44 , G06V10/46 , G06V10/56 , G06V10/60 , G06V10/62 , G06V10/74 , G06V10/771
Abstract: 本发明涉及一种超短期光伏功率预测方法，使用经纬度矫正法校正鱼眼云图；采用HSV‑SURF算法对地基云图序列快速提取特征点；快速匹配并校正特征点对，提取并预测云团运动轨迹；使用改进阈值分割法精细化提取云团，提出直观表征下一时刻辐照度情况的辐照系数；建立基于改进IAM‑CNN‑LSTM混合神经网络的超短期光伏功率预测模型；对混合神经网络的权值进行初始化，设定最大迭代次数；建立卷积神经网络，将特征矩阵输入模型；使用控制变量法优化网络结构；若达到最大迭代次数，则迭代终止输出网络参数；利用训练完成的复合网络进行超短期功率预测，获取待预测时间点的预测功率。与现有技术相比，本发明具有提高预测精度等优点。
-
Patent Agency Ranking
公开(公告)号：CN114386324A
公开(公告)日：2022-04-22
申请号：CN202111609901.7
申请日：2021-12-27
Applicant: 上海电力大学
IPC: G06F30/27 , G06F17/10 , G06F113/06 , G06F119/02
Abstract: 本发明涉及一种基于转折性时段识别的超短期风电功率分段预测方法，利用移动均线法提取时序趋势；采用高斯窗法对指数移动平均线(EMA)进行平滑处理，计算各时刻时序变化率α；基于局部时序特征的窗口调整策略自适应调节时间窗宽；基于双重定时间滑动窗的拐点检测策略，引入α作为判据之一，提取并划分转折性天气突变时段；对转折段时序采用改进GRU算法点预测，结合CRS算法的改进Attention机制；对平缓段时序采用概率预测，采用经验分布估计法建立时序模式‑功率预测误差概率密度分布模型，基于可变带宽核密度估计法进行风电功率概率预测；结合点预测与概率预测时序分段预测得到最终预测结果。与现有技术相比，本发明具有提升模型运算效率等优点。
-
公开(公告)号：CN112149879B
公开(公告)日：2022-10-18
申请号：CN202010910670.2
申请日：2020-09-02
Applicant: 上海电力大学
IPC: G06Q10/04 , G06Q50/06 , G06F16/215 , G06F16/2458 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种计及宏观波动性分类的新能源中长期电量预测方法，对中长期尺度气象变量提取气象变量波动时序生成特征矩阵，建立基于CNN‑LSTM改进型混合神经网络的中长期新能源电量预测模型；对复合网络的权值进行初始化，设定最大迭代次数；构建卷积神经网络，将特征矩阵输入模型；计算复合网络预测误差，优化网络结构；若达到最大迭代次数，则迭代终止输出网络参数；利用训练完成的复合网络进行中长期新能源电量预测，获取待预测时段的初步预测电量；对初步预测电量进行波动类型聚类并识别，并对不同类型的波动过程进行误差修正，将初步预测电量与误差预测的结果相加获取最终电量预测结果。与现有技术相比，本发明具有提高预测精度等优点。
-
公开(公告)号：CN114444378A
公开(公告)日：2022-05-06
申请号：CN202111619538.7
申请日：2021-12-27
Applicant: 上海电力大学
IPC: G06F30/27 , G06K9/62 , G06F113/06 , G06F119/06
Abstract: 本发明涉及一种区域风电集群的短期功率预测方法，包含时空多重相似性计算和改进神经网络构建两方面，考虑时空相关性的动态特性，从长、短时间尺度计算风电场的空间相关程度，对分类出的强时空相关的子集群，建立了基于点云输入的改进混合神经网络短期预测模型实现子集群的短期功率预测；其中建立了基于改进I‑CNN‑BILSTM混合神经网络的时空相关性集群短期功率预测模型，并将所有时空相关子集群的短期功率预测结果累加，得到待预测时段的区域风电短期功率预测结果。与现有技术相比，本发明具有提高预测精度等优点。
-
公开(公告)号：CN112149879A
公开(公告)日：2020-12-29
申请号：CN202010910670.2
申请日：2020-09-02
Applicant: 上海电力大学
IPC: G06Q10/04 , G06Q50/06 , G06F16/215 , G06F16/2458 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种计及宏观波动性分类的新能源中长期电量预测方法，对中长期尺度气象变量提取气象变量波动时序生成特征矩阵，建立基于CNN‑LSTM改进型混合神经网络的中长期新能源电量预测模型；对复合网络的权值进行初始化，设定最大迭代次数；构建卷积神经网络，将特征矩阵输入模型；计算复合网络预测误差，优化网络结构；若达到最大迭代次数，则迭代终止输出网络参数；利用训练完成的复合网络进行中长期新能源电量预测，获取待预测时段的初步预测电量；对初步预测电量进行波动类型聚类并识别，并对不同类型的波动过程进行误差修正，将初步预测电量与误差预测的结果相加获取最终电量预测结果。与现有技术相比，本发明具有提高预测精度等优点。
-
公开(公告)号：CN112507793A
公开(公告)日：2021-03-16
申请号：CN202011225477.1
申请日：2020-11-05
Applicant: 上海电力大学
Abstract: 本发明涉及一种超短期光伏功率预测方法，使用经纬度矫正法校正鱼眼云图；采用HSV‑SURF算法对地基云图序列快速提取特征点；快速匹配并校正特征点对，提取并预测云团运动轨迹；使用改进阈值分割法精细化提取云团，提出直观表征下一时刻辐照度情况的辐照系数；建立基于改进IAM‑CNN‑LSTM混合神经网络的超短期光伏功率预测模型；对混合神经网络的权值进行初始化，设定最大迭代次数；建立卷积神经网络，将特征矩阵输入模型；使用控制变量法优化网络结构；若达到最大迭代次数，则迭代终止输出网络参数；利用训练完成的复合网络进行超短期功率预测，获取待预测时间点的预测功率。与现有技术相比，本发明具有提高预测精度等优点。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
