公开(公告)号：CN110133755A

公开(公告)日：2019-08-16

申请号：CN201910318906.0

申请日：2019-04-19

Applicant: 上海电力学院

Inventor： 李芬 ,  王悦 ,  杨勇 ,  刘海风 ,  林逸伦 ,  赵晋斌

IPC: G01W1/10 ,  G06F17/50

Abstract: 本发明涉及一种基于GRA-LMBP权重的多天气类型下直散分离建模预测控制方法，首先统计收集北京地区多年气象辐射数据，根据正态拟合法选取典型气象年并利用修正后的清晰度指数进行天气类型的划分；其次通过支持向量机(SVM)、基于灰色关联分析(GRA)的支持向量机GRA-SVM和基于主成分分析(PCA)的支持向量机(PCA-SVM)预测模型分别得出每一种天气类型下的三种单一模型预测结果，然后利用灰色关联分析得到每一种天气类型下各模型的权重系数，进而在每种天气类型下根据各个单一模型预测结果和预测权重系数拟合LMBP神经网络预测模型，最后利用LMBP模型求出的权重系数计算每种天气类型的组合预测模型预测结果。与现有技术相比，本发明具有精度高，运算稳定性强等优点。

公开(公告)号：CN109948281A

公开(公告)日：2019-06-28

申请号：CN201910249101.5

申请日：2019-03-29

Applicant: 上海电力学院

Inventor： 李芬 ,  王悦 ,  杨勇 ,  刘海风 ,  林逸伦 ,  张俊伟 ,  赵晋斌

IPC: G06F17/50 ,  G06K9/62

Abstract: 本发明涉及一种基于天气类型有效识别和组合预测的直散分离建模方法，Sandia方法考虑了气象要素的综合变化特征，挑选出长序列气象数据中具有气候特征代表性的典型年资料，使直散分离模型的研究和分析结果更具有典型性和说服力；依据修正后的清晰度指数进行天气类型的划分；每种天气类型下的最优经典小时模型选定后进行本地化修正，得到适用于所有天气类型的本地组合预测模型；通过偏相关分析剔除一部分对散射比影响较小的因子，再通过主成分分析提取主成分建立线性模型，有效提取原有数据携带的隐含信息；从每种天气类型下的线性模型和本地化模型中选择该种天气类型下的最优模型，再进行组合得到组合预测模型进行天气预测。提高预测结果准确度。

公开(公告)号：CN109948281B

公开(公告)日：2023-05-05

申请号：CN201910249101.5

申请日：2019-03-29

Applicant: 上海电力学院

Inventor： 李芬 ,  王悦 ,  杨勇 ,  刘海风 ,  林逸伦 ,  张俊伟 ,  赵晋斌

IPC: G06F30/20 ,  G06F18/241 ,  G06F18/213

Abstract: 本发明涉及一种基于天气类型有效识别和组合预测的直散分离建模方法，Sandia方法考虑了气象要素的综合变化特征，挑选出长序列气象数据中具有气候特征代表性的典型年资料，使直散分离模型的研究和分析结果更具有典型性和说服力；依据修正后的清晰度指数进行天气类型的划分；每种天气类型下的最优经典小时模型选定后进行本地化修正，得到适用于所有天气类型的本地组合预测模型；通过偏相关分析剔除一部分对散射比影响较小的因子，再通过主成分分析提取主成分建立线性模型，有效提取原有数据携带的隐含信息；从每种天气类型下的线性模型和本地化模型中选择该种天气类型下的最优模型，再进行组合得到组合预测模型进行天气预测。提高预测结果准确度。