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。

    一种智能电网联盟链跨域身份认证方法

    公开(公告)号:CN118074885A

    公开(公告)日:2024-05-24

    申请号:CN202410308940.0

    申请日:2024-03-18

    Abstract: 本发明公开了一种智能电网联盟链跨域身份认证方法,涉及智能电网身份认证领域,在注册阶段,用户将注册信息加密并发送至联盟链基础服务节点进行处理,并将处理结果广播至联盟链全网;在本域认证阶段,用户提交预认证信息以通过初步验证,联盟链基础服务节点记录用户行为特征并进行可信度计算、相似度阈值调整等操作;在跨域认证阶段,用户在A域提交初步认证信息后,B域的联盟链基础服务节点开始记录用户行为特征;验证成功后,用户的行为特征会被更新并广播到联盟链中。本发明采用上述一种智能电网联盟链跨域身份认证方法,有效阻止了账户被盗和生物特征信息泄露,显著提高了智能电网的安全性和可信度。

    一种基于聚类和颜色分割的叶片正反面图像分割方法

    公开(公告)号:CN117853731A

    公开(公告)日:2024-04-09

    申请号:CN202410075511.3

    申请日:2024-01-18

    Applicant: 三峡大学

    Abstract: 本发明公开了一种基于聚类和颜色分割的叶片正反面图像分割方法,属于计算机视觉与图像处理技术领域,包括步骤:将正常光源叶片图像转为HSV颜色空间,利用颜色分割去除正常光源叶片图像的背景部分;对紫外光源叶片图像进行聚类,区分图像中正面和背面叶片部分;将聚类后的紫外光源叶片图像进行灰度化后通过二值化和反二值化得到两种mask掩码;应用两种掩码分别与去除背景部分的正常光源图像进行按位与操作得到只包含正面叶片和只包含背面叶片的图像。本发明采用上述一种基于聚类和颜色分割的叶片正反面图像分割方法,利用两种不同光源图像通过聚类和颜色分割的方法将叶片正面和背面从堆叠的叶片图像中分割出来,实用性强、准确性高。

Patent Agency Ranking