-
公开(公告)号：CN114386324A
公开(公告)日：2022-04-22
申请号：CN202111609901.7
申请日：2021-12-27
申请人： 上海电力大学
IPC分类号： G06F30/27 , G06F17/10 , G06F113/06 , G06F119/02
摘要： 本发明涉及一种基于转折性时段识别的超短期风电功率分段预测方法，利用移动均线法提取时序趋势；采用高斯窗法对指数移动平均线(EMA)进行平滑处理，计算各时刻时序变化率α；基于局部时序特征的窗口调整策略自适应调节时间窗宽；基于双重定时间滑动窗的拐点检测策略，引入α作为判据之一，提取并划分转折性天气突变时段；对转折段时序采用改进GRU算法点预测，结合CRS算法的改进Attention机制；对平缓段时序采用概率预测，采用经验分布估计法建立时序模式‑功率预测误差概率密度分布模型，基于可变带宽核密度估计法进行风电功率概率预测；结合点预测与概率预测时序分段预测得到最终预测结果。与现有技术相比，本发明具有提升模型运算效率等优点。
-
公开(公告)号：CN114266196A
公开(公告)日：2022-04-01
申请号：CN202111541215.0
申请日：2021-12-16
申请人： 上海电力大学
IPC分类号： G06F30/27 , G06F119/02
摘要： 本发明提供一种含外源输入的多变点门限ARMA模型及其贝叶斯分析方法，首先基于ARMA模型构建MB‑TARMAX时间序列模型；对采集的两组时间序列数据进行预处理后根据时域变点和值域变点进行重排，根据重排后的数据获取该模型的似然函数；然后基于本发明的MB‑TARMAX时间序列模型的所有未知参数的先验分布，获取所有未知参数的联合先验分布，并根据贝叶斯定理结合似然函数得到所有未知参数的联合后验分布；最后基于联合后验分布，获取所有未知参数的满条件后验分布以及对应的满条件后验分布形式，针对不同的满条件后验分布形式，在贝叶斯的框架下应用蒙特卡洛马尔科夫链采样方法方便地得到了MB‑TARMAX时间序列模型的参数的估计值。
-
公开(公告)号：CN110807550A
公开(公告)日：2020-02-18
申请号：CN201911047102.8
申请日：2019-10-30
摘要： 本发明涉及一种基于神经网络的配变重过载识别预警方法及终端设备，所述方法用于对某日台区配变的重过载事件进行识别并预警，包括以下步骤：1)获取待识别的各台区配变的基础数据，对所述基础数据进行预处理；2)基于预处理后的基础数据对各台区配变进行粗预测分类，所述粗预测分类的类别包括一级安全、二级安全和二级关注；3)判断是否存在属于二级关注的台区配变，若是，则采用训练好的GRU型神经网络对属于所述二级关注的台区配变进行精预测，基于精预测结果输出配变预警信息，若否，则输出配变正常信息。与现有技术相比，本发明具有既可以保持时刻动态监测的状态，又能节省算力，达到准确预测效果等优点。
-
公开(公告)号：CN110807550B
公开(公告)日：2023-11-24
申请号：CN201911047102.8
申请日：2019-10-30
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/0442 , G06F18/2431
摘要： 本发明涉及一种基于神经网络的配变重过载识别预警方法及终端设备，所述方法用于对某日台区配变的重过载事件进行识别并预警，包括以下步骤：1)获取待识别的各台区配变的基础数据，对所述基础数据进行预处理；2)基于预处理后的基础数据对各台区配变进行粗预测分类，所述粗预测分类的类别包括一级安全、二级安全和二级关注；3)判断是否存在属于二级关注的台区配变，若是，则采用训练好的GRU型神经网络对属于所述二级关注的台区配变进行精预测，基于精预测结果输出配变预警信息，若否，则输出配变正常信息。与现有技术相比，本发明具有既可以保持时刻动态监测的状态，又能节省算力，达到
-
-
-
搜索结果
4 条记录 (耗时 0.026 秒)