-
公开(公告)号：CN113570132A
公开(公告)日：2021-10-29
申请号：CN202110838338.4
申请日：2021-07-23
Applicant: 华中科技大学 , 中国电力科学研究院有限公司 , 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开一种时空气象特征提取与深度学习的风电功率预测方法，首先基于广域时空气象数据和功率数据，研究新能源场站出力和天气过程的互相关特性，建立不同指标为依据的多层级子区域划分，然后基于多维度气象数据，构建高维度候选特征库，构建基于数据挖掘的复合气象特征，最后基于海量样本和优选的核心特征，构建基于高维深度特征映射和高维深度数据挖掘、面向多层级的深度学习模型库，选取最优模型进行集群功率预测。通过该方法预测，实现了对风电功率在时空复合数据下的预测，在时域数据和空间数据之间建立了有效的匹配关系，具有推广价值。
-
公开(公告)号：CN117710146A
公开(公告)日：2024-03-15
申请号：CN202311695916.9
申请日：2023-12-11
Applicant: 中国电力科学研究院有限公司 , 华北电力大学
Abstract: 本申请涉及基于分层约束强化学习的多微网系统优化运行方法，包括分解综合能源多微网系统的优化任务为上层智能体和下层微网模型，构建上层智能体的智能体状态空间和智能体动作空间，构建下层微网模型的约束条件，基于约束强化学习算法对所述分层强化学习优化调度模型求解，得到综合能源多微网系统的优化运行策略。本申请大幅提高了模型训练速度和精度，解决了传统强化学习难以处理约束的问题，可保证智能体在满足约束的前提下寻找最优策略，避免了传统强化学习方法由于人工设置惩罚系数造成的难以满足约束以及收敛困难等问题，可实时给出调度结果。本申请还涉及基于分层约束强化学习的多微网系统优化运行装置、设备和存储介质。
-
公开(公告)号：CN118332400A
公开(公告)日：2024-07-12
申请号：CN202410445237.4
申请日：2024-04-15
Applicant: 华中科技大学
IPC: G06F18/241 , G06F18/214
Abstract: 本发明公开一种风电集群高低出力事件模式识别预测模型的建立方法，收集目标风电集群样本数据集合，对数据集合划分为训练集和测试集，根据出力阈值将集群出力设定为出力类别标签；通过特征构建和优选技术，构建风电集群各出力场景功率强相关特征集合；结合MODWT频域分解技术，得到三维集群特征集合，通过排列方式优选选择最佳排列方式，基于多场景特征混合方法生成高低出力事件模式识别特征图谱，循环训练基于ShuffleNet轻量深度学习网络的高低出力事件模式识别预测模型，当满足收敛条件后终止循环得到训练好的预测模型，将测试集数据输入训练好的预测模型后输出预测结果。通过本发明方法可以实现风电集群高低出力事件预测，提升事件预测精度，具有推广价值。
-
公开(公告)号：CN119009984A
公开(公告)日：2024-11-22
申请号：CN202411097617.X
申请日：2024-08-12
Applicant: 华中科技大学
IPC: H02J3/00 , G06F18/25 , G06F18/21 , G06N3/045 , G06N3/0985 , G06N3/049 , G06N3/0475 , G06N3/094 , G06N3/048
Abstract: 本发明公开一种新能源供电保障曲线预测模型构建方法；基于DBSCAN‑TimaGAN对异常数据进行识别与修补；基于ERA5数据构建NWP修正模型；基于STL对训练集功率数据进行时序分解，其中周期分量通过KernelPCA降维、Gabor频域分解后，根据不同的频率分别构建TimesNet模块，并通过多层感知机集成各模块输出；趋势分量经过高斯低通滤波后基于Autoformer进行多步预测；残差分量通过提取气象‑残差敏感特征后通过KAN模型进行预测；将上述三个分量预测模型通过Voting集成，并基于动态损失函数与Lion优化器对模型进行训练，再基于Remora优化算法对模型超参数进行优化，最终得到新能源供电保障曲线预测模型。通过本发明方法可以实现新能源供电保障曲线预测，为电力调度部门制定方案提供参考，具有一定的推广价值。
-
-
-
Search Results
4
records
(took 0.156 seconds)
