一种基于NeuralProphet和Bi-GRU-SA组合模型的电力负荷预测方法

    公开(公告)号:CN118249331A

    公开(公告)日:2024-06-25

    申请号:CN202410318482.9

    申请日:2024-03-18

    Applicant: 三峡大学

    Abstract: 本发明公开了一种基于NeuralProphet和Bi‑GRU‑SA组合模型的电力负荷预测方法,涉及电力系统电力负荷预测技术领域,对原始数据进行预处理,包括清洗异常数据和缺失值填充;构建NeuralProphet模型,分别添加趋势项、周期项、节假日项、自回归项、滞后回归项和未来回归项;构建Bi‑GRU‑SA模型,包含Bi‑GRU层、自注意力层和全连接层;通过设计的PWSMAPE损失函数分别独立对两个模型进行训练和预测,然后依据PWSMAPE指标指导子模型权重配置,进行权重的分配和调整,形成组合预测结果。本发明采用上述结构的一种基于NeuralProphet和Bi‑GRU‑SA组合模型的电力负荷预测方法,适用于具有时序特征的电力负荷预测,具有出色的准确性、解释性和稳定性,为电力系统运营商提供精准且全面的数据支持,推动电网系统的智能化和高效运作。

    一种空调负荷资源池的预测方法及应用方法

    公开(公告)号:CN118195052A

    公开(公告)日:2024-06-14

    申请号:CN202410008200.5

    申请日:2024-01-03

    Applicant: 三峡大学

    Abstract: 本发明公开了一种空调负荷资源池的预测方法及应用方法,属于电力负荷管理领域,包括步骤:获取某行业用户的历史负荷数据与历史气温数据,计算负荷与气温的相关系数,划分气温梯度区间;根据气温梯度区间,建立气温与负荷的关系耦合模型;针对关系耦合模型,通过目标函数MSE对关系耦合模型进行迭代优化;根据优化后的关系耦合模型,预测空调负荷资源池,还公开了应用方法。本发明采用上述一种空调负荷资源池的预测方法及应用方法,通过耦合不同行业用户/不同时间尺度/不同气温梯度内,气温变化与负荷变化之间的关系模型,有效预测空调负荷资源池。

    一种绿色电力交易联盟链管理方法

    公开(公告)号:CN117689473A

    公开(公告)日:2024-03-12

    申请号:CN202311716479.4

    申请日:2023-12-12

    Abstract: 本发明公开了一种绿色电力交易联盟链管理方法,涉及绿电的绿证管理领域,集成了购买协议、支付协议和防转让协议为一体的综合凭证交易协议,具体包括以下步骤:S1:购买协议处理购买请求事件,通过验证交易双方身份、凭证拥有权、状态和环签名操作,确保凭证只能购买一次;S2:支付协议处理支付事件,出售方用购买方的公钥加密凭证,系统向双方确认交易后,双方接收凭证和金额并验证数据是否有篡改;S3:防转让协议处理追溯验证事件,交易完成后,更新链上记录,验证方通过存证编号查询凭证关联信息,通过记录凭证的已使用状态和唯一标识来防止凭证的二次交易和转让。本发明采用上述的一种绿色电力交易联盟链管理方法,增加了整个系统的安全性。

Patent Agency Ranking