基于谱聚类和遗传优化极端学习机的超短期风速预测方法

    公开(公告)号:CN104239964B

    公开(公告)日:2017-10-10

    申请号:CN201410407338.9

    申请日:2014-08-18

    Abstract: 本发明涉及一种基于谱聚类和遗传优化极端学习机的超短期风速预测方法,包括:S1:准备数据;S2对准备数据进行预处理;S3:对预处理后的数据进行小波变换;S4:对小波变换后的数据进行归一化处理;S5:通过相关性分析对归一化处理后的数据进行选择以确定输入变量;S6:通过主成分分析对S5生成的输入变量进行降维处理;S7:通过谱聚类方法对S6中降维处理后的数据进行聚类分析,与S4中归一化处理后的数据形成极端学习机样本空间;S8:通过极端学习机和遗传算法对S7形成的极端学习机样本空间的数据分层预测;S9:将分层预测值相加,得到超短期风速预测值。本发明实现了对风速的超短期、多步预测,提高预测的准确性,大幅减少计算量,提高预测效率。

    基于谱聚类和遗传优化极端学习机的超短期风速预测方法

    公开(公告)号:CN104239964A

    公开(公告)日:2014-12-24

    申请号:CN201410407338.9

    申请日:2014-08-18

    Inventor: 刘达 王继龙 王辉

    Abstract: 本发明涉及一种基于谱聚类和遗传优化极端学习机的超短期风速预测方法,包括:S1:准备数据;S2:对准备数据进行预处理;S3:对预处理后的数据进行小波变换;S4:对小波变换后的数据进行归一化处理;S5:通过相关性分析对归一化处理后的数据进行选择以确定输入变量;S6:通过主成分分析对S5生成的输入变量进行降维处理;S7:通过谱聚类方法对S6中降维处理后的数据进行聚类分析,与S4中归一化处理后的数据形成极端学习机样本空间;S8:通过极端学习机和遗传算法对S7形成的极端学习机样本空间的数据分层预测;S9:将分层预测值相加,得到超短期风速预测值。本发明实现了对风速的超短期、多步预测,提高预测的准确性,大幅减少计算量,提高预测效率。

    基于优化相关向量机的短期风速预测方法

    公开(公告)号:CN104239689A

    公开(公告)日:2014-12-24

    申请号:CN201410406731.6

    申请日:2014-08-18

    Abstract: 本发明涉及一种基于优化相关向量机的短期风速预测方法,该方法包括以下步骤:S1:数据准备;S2:对准备数据进行预处理;S3:对预处理后的数据进行小波变换;S4:对小波变换后的数据进行归一化处理;S5:基于PACF对归一化后数据进行输入变量的选择;S6:在步骤S5生成的RVM样本空间上预测分解序列;S7:将各分解序列预测结果相加,得到短期风速预测值。与现有预测方法相比,本发明的方法具有较强的泛化能力;通过PACF选择输入变量,有效减少了输入变量和冗余信息;通过智能优化算法对相关向量机参数进行优化,确保模型最优;具有较高的预测精度,实现成本较低,易于推广应用。

    基于大数据的制造企业生产与物流协同优化调度方法及系统

    公开(公告)号:CN115685912A

    公开(公告)日:2023-02-03

    申请号:CN202211283508.8

    申请日:2022-10-19

    Abstract: 本发明提出了基于大数据的制造企业生产与物流协同优化调度方法及系统,读取实时更新的大数据单元的信息,生成优化目标及限制,在生产前进行最优调度规划;实时监测调度过程中物流搬运设备的活动情况,针对不同活动情况信息,赋予每个物流搬运设备的活动情况多种类别标识;自动接收赋予了多种类别标识的每个物流搬运设备的活动情况,对每个物流搬运设备的活动情况的多标识进行实时综合加权分析;自动接收多标识实时综合加权,评估每个物流搬运设备的多标识实时综合加权,在空间尺度上进行物流搬运设备调度计划,按照多标识实时综合加权高低生成物流搬运设备调度序列;实时接收物流搬运设备调度变化信息,对当前工业生产环境进行更新。

    一种旋转式自动存取货装置及方法

    公开(公告)号:CN104443977A

    公开(公告)日:2015-03-25

    申请号:CN201410492135.4

    申请日:2014-09-23

    Abstract: 本发明公开了一种旋转式自动存取货装置及方法,所述装置包括系统封闭支撑及辅助单元、机械臂、旋转式存取货装置、控制单元、身份识别单元等,装置空间利用率大幅提升,货物保密性提高,实现模块化组装和控制,运输便捷,操作简单,维护方便;以机械臂完成货物存、取及传输,减少了重复劳动量,提高了存取效率。本发明所述一种旋转式自动存取货方法包括存货模式、取货模式、故障模式和初始化模式等四种模式,分别对应存货、取货、故障、初始化等四种操作模式或状态,货物存、取及传输实现自动化,基本排除人为因素,有力减少人为干扰,智能计算存、取货位置,在存、取时均有身份验证,保证了货物存、取的准确性。

    一种基于数据空间的电力物资需求智能决策方法及系统

    公开(公告)号:CN116485084A

    公开(公告)日:2023-07-25

    申请号:CN202210046156.8

    申请日:2022-01-12

    Abstract: 本发明涉及一种基于数据空间的电力物资需求智能决策方法及系统,方法包括:采集电力物资相关的电力企业内、外部数据建立原始数据库;对原始数据库进行预处理得到由时间维度和变量维度构成的二维数据空间;对所述二维数据空间中的变量数据进行因果关联分析,提取与电力物资需求关联的变量数据和需求目标数据建立物资需求数据空间;建立预测模型,通过物资需求数据空间训练预测模型,使训练后的模型能够实现对各类电力物资需求的预测;更新物资需求数据空间,加入新获取的电力物资相关数据;利用预测模型进行预测输出基于新的电力物资相关的电力物资需求预测结果。本发明解决电网数据孤岛现象,提高了对电网物资预测的准确率和效率。

Patent Agency Ranking