-
公开(公告)号:CN117691590A
公开(公告)日:2024-03-12
申请号:CN202311713713.8
申请日:2023-12-13
Applicant: 华北电力大学 , 中国电力科学研究院有限公司 , 国网浙江省电力有限公司 , 国家电网有限公司
IPC: H02J3/00 , G06N3/006 , G06N3/084 , G06F16/215 , G06Q50/06
Abstract: 本发明属于用户用电行为态势感知技术领域,具体涉及一种基于人工智能的用户用电行为态势感知方法,用于更快速有效地对用户用电行为进行态势察觉、态势理解、态势预测。首先预处理获取的用户历史用电数据,并对历史用电数据进行分解,得到多个模态分量;然后构建BP神经网络模型,赋予其初始参数,基于改进GOA算法对BP神经网络模型的权值及阈值进行优化,最后将分解后历史用电数据输入优化后BP神经网络模型,叠加负荷曲线预测结果,实现精准的用户用电行为态势预测。
-
公开(公告)号:CN118822135A
公开(公告)日:2024-10-22
申请号:CN202410714551.8
申请日:2024-06-04
IPC: G06Q10/0631 , H02J3/00 , G06Q50/06 , G06F18/22
Abstract: 本发明提供一种基于负荷图谱的需求侧资源池构建方法,构建需求侧资源的负荷图谱,利用高斯核卷积计算,计算负荷图谱差分极值,从而减小负荷随机性波动或者采集数据误差所带来的扰动。计算负荷图谱的主优势方向向量和次优势方向向量,对比标杆需求侧资源负荷图谱,根据其匹配特征点数量,对该需求侧资源是否入库优先级进行排序,最终优选资源构建需求侧资源池。该方法可以有效降低需求侧资源建模过程物理模型的精度要求,采用数据驱动的方法提取难以准确建模的因素,从而更好地进行需求侧资源库遴选和构建。
-
公开(公告)号:CN118645995A
公开(公告)日:2024-09-13
申请号:CN202410714383.2
申请日:2024-06-04
IPC: H02J3/00 , H02J3/38 , G06N3/0442 , G06N3/006 , G06N3/08
Abstract: 本发明属于电力系统负荷预测的技术领域,具体涉及一种基于GRU神经网络的分布式资源出力预测方法,用于更快速有效地预测分布式资源出力,首先对分布式资源出力历史数据进行预处理,并将处理后的数据划分为训练集与测试集,将训练集数据作为GRU神经网络模型的输入,经训练获得分布式资源出力预测值,计算预测误差,然后通过改进粒子群算法优化GRU神经网络模型中的权重参数,得到最优GRU神经网络模型,以实现分布式资源出力的快速精确预测。
-
-