公开(公告)号：CN119382073A

公开(公告)日：2025-01-28

申请号：CN202411338459.2

申请日：2024-09-25

Applicant: 东南大学

Inventor： 郑建勇 ,  徐睿麟 ,  梅飞 ,  张恒 ,  王帅 ,  吴越 ,  李恺 ,  丁雨婷 ,  高昂

IPC: H02J3/00 ,  G06F18/20 ,  G06F18/213 ,  G06F18/24 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/084 ,  G06F123/02

Abstract: 本发明公开了一种基于ANVD分解和典型用户特征DTW匹配的电车充电站负荷预测方法，包括：采用ANVD自适应非负变分分解对电车充电站负荷时序进行分解，获取到充电负荷IMF；根据电车充电站负荷时序，构建电车用户典型充电特征；将每个充电负荷IMF与构建的典型充电特征进行基于DTW动态时间规划的分类匹配，获取到不同类别的特征时序；基于TCN时域卷积网络构建充电负荷预测模型，并且针对不同类别的特征时序对充电负荷预测模型进行训练和预测；将所有类别特征时序对应的预测结果叠加得到电车充电站负荷预测结果。本发明中将ANVD分解和基于DTW动态时间规划的分类匹配同时应用到电车充电站负荷预测中，有效提升了电车充电站负荷预测模型的准确性。

公开(公告)号：CN119377878A

公开(公告)日：2025-01-28

申请号：CN202411338464.3

申请日：2024-09-25

Applicant: 东南大学

Inventor： 郑建勇 ,  徐睿麟 ,  梅飞 ,  张恒 ,  吴越 ,  王帅 ,  李恺 ,  丁雨婷 ,  解洋 ,  周康

IPC: G06F18/25 ,  H02J3/00 ,  G06F18/2113 ,  G06F18/27 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/0985 ,  G06F123/02

Abstract: 本发明公开了一种基于多元气象特征指数和组合优化模型的用电负荷预测方法，包括：采用SHAP特征选择法对气象特征进行动态选择；计算得到气象特征指标，并且划分为训练集和测试集；构建BP神经网络回归模型和CNN‑GRU网络时序模型；采用贝叶斯优化算法分别对BP神经网络回归模型和CNN‑GRU网络时序模型进行参数寻优；通过训练集和测试集分别对BP神经网络回归模型进行训练和预测，获取到预测结果；通过训练集和测试集分别对CNN‑GRU网络时序模型进行训练和预测，获取到预测结果；将BP神经网络回归模型和CNN‑GRU网络时序模型的预测结果进行加权求和得到最终的用电负荷预测结果。本发明方法能够提高负荷预测的整体精度，鲁棒性高，能为电网精确规划调度提供数据支撑。

公开(公告)号：CN119784113A

公开(公告)日：2025-04-08

申请号：CN202510280236.3

申请日：2025-03-11

Applicant: 东南大学

Inventor： 郑建勇 ,  印宇涵 ,  梅飞 ,  邬昆晓 ,  王帅 ,  徐睿麟

IPC: G06Q10/0631 ,  G06Q40/06 ,  G06F17/10 ,  G06F17/16 ,  G06Q50/06

Abstract: 本发明公开了一种基于改进大M法的输电网扩展规划方法及系统，方法包括：以总成本最小，构建输电网源‑网协同规划模型的目标函数；基于输电网源‑网协同规划模型的目标函数，构建输电网源‑网协同规划模型的约束条件；采用Benders分解算法，将输电网源‑网协同规划模型分解为投资规划主问题和运行子问题；在运行子问题中，通过直流潮流转移因子矩阵，为每个大M约束整定大M取值范围；求解得到输电网扩展规划方案。本发明针对输电网扩展规划建模过程中大M法取值困难的问题，对其中约束条件的大M取值范围进行整定，有效缩小了输电网扩展规划问题的可行解空间，显著提升了模型求解的准确率和效率。

公开(公告)号：CN119448209A

公开(公告)日：2025-02-14

申请号：CN202411407576.X

申请日：2024-10-10

Applicant: 东南大学

Inventor： 郑建勇 ,  徐睿麟 ,  梅飞 ,  王帅 ,  张恒 ,  吴越 ,  李恺 ,  丁雨婷 ,  张玺

IPC: H02J3/00 ,  H02J3/46 ,  G06Q10/04 ,  G06Q50/06 ,  G06F18/2113 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明公开了一种基于多元特征时频同步分析和注意力机制的光伏出力预测方法，包括如下步骤：获取目标光伏站出力数据和气象数据，采用分时段MIC相关性分析法提取出力最相关天气特征；采用MVMD多元变分模态分解对出力时序结合相关气象特征进行时频同步分析，得到频率对齐的多元本征模态；构建基于Huber损失函数和改进注意力机制的Informer网络模型；根据相应出力IMF模态分量及其相关气象模态分量，对Informer网络模型进行训练和预测，获取到不同出力IMF模态分量预测结果；将不同出力IMF模态分量预测结果进行叠加得到光伏出力预测结果。本发明将MVMD与Informer网络模型相结合，可提高光伏出力预测的准确性。

公开(公告)号：CN119378736A

公开(公告)日：2025-01-28

申请号：CN202411407572.1

申请日：2024-10-10

Applicant: 东南大学

Inventor： 郑建勇 ,  徐睿麟 ,  梅飞 ,  张恒 ,  王帅 ,  卢坚超 ,  陈鹏昊 ,  陶扬

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F18/2113 ,  G06F18/213 ,  G06F18/23213 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08 ,  H02J3/00 ,  H02J3/38 ,  G06F123/02

Abstract: 本发明公开了一种基于多元扰动特征提取和辅助任务学习的光伏出力预测方法，包括如下步骤：获取目标光伏站位置信息、面板数据、出力数据和气象数据；采用VMD变分模态分解对历史光伏出力进行分解，得到出力扰动IMFs模态和类晴空IMF模态；对表征出力扰动的IMFs模态进行K‑means聚类，构建功率变化特征簇；对不同功率变化特征簇结合天气因素进行Spearman相关性分析；根据不同功率变化特征簇及其相关气象结合作为辅助任务训练数据输入到引入共享特征及跨任务注意力机制的CNN‑GRU混合预测模型进行训练，得到最终的光伏出力预测结果。本发明方法能够提高光伏出力预测的整体精度，鲁棒性高，能为光伏站运营管理提供数据支撑。