基于人工智能的电网工程超期事件预警方法及系统

    公开(公告)号:CN118886530A

    公开(公告)日:2024-11-01

    申请号:CN202410880251.7

    申请日:2024-07-02

    摘要: 本发明公开了一种基于人工智能的电网工程超期事件预警方法及系统,涉及人工智能技术领域。该方法包括以下步骤:获取电网工程所有事件,构建超期预警模型;利用超期预警模型对电网工程所有事件进行预测,得到事件的预警级别;其中,超期预警模型的构建过程为:获取原始数据集,对原始数据进行预处理;根据预警级别设置不同的预警池,生成不同预警池的预警池级别组件;对不同预警池的预警池级别组件进行训练得到初步超期预警模型;对初步超期预警模型进行自主学习,得到最终的超期预警模型。本发明能够最大程度的优化数据模型的阈值,从而得到更为精确的阈值范围实现电网工程超期事件的及时预警。

    基于EMA-RElman神经网络的光伏发电功率预测方法

    公开(公告)号:CN118352986A

    公开(公告)日:2024-07-16

    申请号:CN202410285011.2

    申请日:2024-03-13

    摘要: 本发明公开了一种基于EMA‑RElman神经网络的光伏发电功率预测方法,包括如下步骤:建立脊波Elman神经网络光伏发电功率预测模型;训练脊波Elman神经网络光伏发电功率预测模型;在学习过程中,采用EMA对预测模型的权值参数进行优化;光伏发电功率预测,将预处理后的数据输入到经过验证后的预测模型中,输出待预测时刻的光伏发电功率预测值。本发明利用类电磁机制算法寻优能力强的优点对脊波Elman神经网络预测模型的参数进行优化,具有较好的泛化性和预测性能。通过对光伏电站的预测仿真和测试,证实所提出的基于EMA‑RElman神经网络的光伏发电功率预测模型具有较好的预测性能。