公开(公告)号：CN118312740A

公开(公告)日：2024-07-09

申请号：CN202410489709.6

申请日：2024-04-23

Applicant: 南京信息工程大学

Inventor： 叶小岭 ,  陈昕 ,  安然 ,  胡凯 ,  熊雄 ,  孙宁 ,  张颖超

IPC: G06F18/20 ,  G06F18/213 ,  G06Q10/04 ,  G06Q50/40 ,  G06N3/0442 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明公开了一种高铁沿线伪周期极大值风速预测方法、系统，该方法包括获取一段高铁历史秒级风速序列，选取第一局部极值点，设定初始周期窗宽；提取高铁历史秒级风速序列中的极值点，得到极大值点序列，依据历史秒级风速实时地对初始周期窗宽进行调整，获得在线极大值点风速序列，使用双向长短记忆神经网络对未来极大值点位置及数值进行滚动预测。本发明为高铁沿线风速超前预警系统提供了支持，增强了风速的可预测性。

公开(公告)号：CN118152758A

公开(公告)日：2024-06-07

申请号：CN202410356482.8

申请日：2024-03-27

Applicant: 南京信息工程大学

Inventor： 叶小岭 ,  安然 ,  张颖超 ,  熊雄 ,  胡凯 ,  邓华 ,  陈昕 ,  王翼虎 ,  李昆

IPC: G06F18/20 ,  G06F18/213 ,  G06F18/24 ,  G06F18/22 ,  G06F18/214 ,  G06F16/906 ,  G06N3/0442 ,  G06N3/0985 ,  G06Q10/04 ,  G06Q50/40 ,  G06F123/02

Abstract: 本发明公开了基于风过程划分的高铁沿线秒级极值风速预测方法、系统，该方法包括利用高铁风速秒级颗粒度显著特征点提取算法，提取高铁沿线秒级风速观测序列的初始显著特征点并去除过渡性峰值，获得最终的显著特征点集合，根据该集合将风过程进行分类，建立风过程数据库；设计相似度优化动态时间调整算法，利用该算法在风过程数据库中匹配出相似度在百分之90以上的风速观测序列，将该序列作为训练集，输入到TCN‑BiGRU预测模型中，通过贝叶斯优化算法优化预测模型参数，实现风速预测。本发明有效处理了高铁沿线秒级风信号中的复杂和非线性模式，提高了预测的准确性和适应性。

公开(公告)号：CN118536015A

公开(公告)日：2024-08-23

申请号：CN202410607406.X

申请日：2024-05-16

Applicant: 南京信息工程大学

Inventor： 叶小岭 ,  安然 ,  张颖超 ,  熊雄 ,  胡凯 ,  陈昕 ,  王翼虎

IPC: G06F18/2431 ,  G06F18/27 ,  G06F18/15 ,  G06Q10/04 ,  G06Q50/40 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/08 ,  G01P5/00

Abstract: 本发明提出了一种基于风速状态变化的高铁沿线风速预测方法，包括构建向量自回归模型，利用马尔科夫状态将铁路沿线历史风速进行三区制划分，并获得相应的风速序列；基于风速序列，基于波动函数剔除风速序列中Hurst指数小于0.5的片段，获得不同时间尺度序列片段；采用变分模态分解模型将步骤S2中不同时间尺度序列片段分解为本征模态分量，计算该分量的Hurst指数并进行分类；根据分量的特点，采用不同的方法对其进行风速预测，并将不同分量的预测结果进行相加，得到最终的风速预测结果。本发明能够有效提高预测精确度。

公开(公告)号：CN117390340A

公开(公告)日：2024-01-12

申请号：CN202311288694.9

申请日：2023-10-07

Applicant: 南京信息工程大学

Inventor： 陈昕 ,  叶小岭 ,  安然 ,  王翼虎 ,  张颖超 ,  熊雄

IPC: G06F17/10 ,  G06Q50/06

Abstract: 本发明公开了一种风速动态时间规整方法、系统，该方法包括：对采集的空间多个站点的风速风向时间序列进行预处理，得到完整的风速时间序列和风向时间序列；将完整的风速时间序列进行编码，并计算风速时间序列之间的匹配代价；将完整的风向时间序列进行编码，并计算风速时间序列之间的匹配代价；将两种时间序列的匹配代价从一维拓展至二维，结合风向和站点间位置的空间关系优化匹配最小路径；结合匹配最小路径，计算风速动态时间规整得分。本发明可以在进行空间风速的插值和预测之前，预先选取目标位置合理的待处理风速，提高了空间风速插值和预测精度。

公开(公告)号：CN117150430A

公开(公告)日：2023-12-01

申请号：CN202311115702.X

申请日：2023-08-31

Applicant: 南京信息工程大学

Inventor： 张颖超 ,  安然 ,  叶小岭 ,  胡凯 ,  熊雄 ,  陈昕 ,  王翼虎

IPC: G06F18/25 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/0442 ,  G06F18/213 ,  G01W1/10

Abstract: 本发明公开了一种基于多源异构数据融合的高铁沿线大风预测算法。首先获取风速数据和气象要素数据进行数据预处理，构建多元多时距风速预测样本集，然后构建待训练基于多源异构数据融合的多支路TCN‑BiLstm注意力预测网络模型，经过训练基于多源异构数据融合的多支路TCN‑BiLstm注意力预测网络模型，以检测气象要素数据为输入，以铁路沿线目标风速监测点的预测风速为输出进行预测。本方法使用多时距数据作为模型的输入，建立多支路TCN‑BiLstm注意力预测网络，使用时间卷积网络、双向长短时记忆网络和高效通道注意力网络作为骨干网络各分路模块，并且设计了特征融合模块，能够全面捕捉风速数据在不同时间尺度上的模式和特征，提高预测的鲁棒性和稳定性。

公开(公告)号：CN119848468A

公开(公告)日：2025-04-18

申请号：CN202510317748.2

申请日：2025-03-18

Applicant: 南京信息工程大学

Inventor： 颜午阳 ,  熊雄 ,  王皓楠 ,  李晨 ,  陈昕 ,  安然

IPC: G06F18/20 ,  H02J3/38 ,  G06F18/21 ,  G06F18/22 ,  G06Q50/06 ,  G06N3/045 ,  G06F18/2131 ,  G06N3/042 ,  G06Q10/04

Abstract: 本发明提供了一种基于上下包络逼近的风速订正方法，包括：步骤1，收集风场数值天气预报数据的多日风速时间序列数据NWP和多日实测风速的时间序列数据obs；步骤2，提取多日风速时间序列数据NWP的趋势项；步骤3，提取多日实测风速的时间序列数据obs的趋势项；步骤4，动态时间规整；步骤5，动态拟合反演；本发明采用上下包络线逼近方法，对多日风速时间序列数据NWP趋势项的上下包络线进行动态时间规整DTW处理，逼近经验模态分解后的历史风速数据趋势项上下包络线，通过得到的新包络线对反演风速，实现风速订正，从而提高风电功率预测的准确性。