公开(公告)号：CN117669391B

公开(公告)日：2024-04-16

申请号：CN202410141241.1

申请日：2024-02-01

申请人： 华北电力大学 ,  国网冀北电力有限公司经济技术研究院

发明人： 许晓敏 ,  关泺允 ,  王之怡 ,  崔灏旭 ,  姚润坤 ,  张勇 ,  周盈颖 ,  路妍

IPC分类号： G06F30/27 ,  G06F18/214 ,  G06Q50/06 ,  G06F119/02

摘要： 本发明公开一种基于深度学习的短期光伏功率预测方法，包括步骤：S1、采集影响光伏发电功率的原始数据集；S2、对原始数据集进行数据预处理；S3、构建XGB‑GRU‑Informer集成预测模型，并将预处理后的原始数据集输入预测模型中，获取预测结果；S4、对预测结果进行对比分析与误差分析。本发明解决了现有光伏发电系统难以准确的预测其发电功率的问题。

公开(公告)号：CN117669391A

公开(公告)日：2024-03-08

申请号：CN202410141241.1

申请日：2024-02-01

申请人： 华北电力大学 ,  国网冀北电力有限公司经济技术研究院

发明人： 许晓敏 ,  关泺允 ,  王之怡 ,  崔灏旭 ,  姚润坤 ,  张勇 ,  周盈颖 ,  路妍

IPC分类号： G06F30/27 ,  G06F18/214 ,  G06Q50/06 ,  G06F119/02

摘要： 本发明公开一种基于深度学习的短期光伏功率预测方法，包括步骤：S1、采集影响光伏发电功率的原始数据集；S2、对原始数据集进行数据预处理；S3、构建XGB‑GRU‑Informer集成预测模型，并将预处理后的原始数据集输入预测模型中，获取预测结果；S4、对预测结果进行对比分析与误差分析。本发明解决了现有光伏发电系统难以准确的预测其发电功率的问题。

公开(公告)号：CN117828488B

公开(公告)日：2024-05-28

申请号：CN202410245142.8

申请日：2024-03-05

申请人： 华北电力大学

发明人： 许晓敏 ,  斯琴卓娅 ,  姚润坤 ,  关泺允 ,  刘达 ,  王之怡 ,  崔灏旭 ,  李湘颖

IPC分类号： G06F18/243 ,  G06F18/27 ,  G06F18/214 ,  G06N3/09 ,  G06Q50/06

摘要： 本发明属于能源预测技术领域，本发明公开一种基于随机森林与稳健回归的太阳辐射度预测方法，包括步骤：S1、采集影响太阳辐射强度的原始数据集；S2、对原始数据集进行数据预处理；S3、构建RF‑SQ‑MKL多核监督学习预测模型，并将预处理后的原始数据集输入预测模型中，获取预测结果；S4、对预测结果进行对比分析与误差分析。本发明解决了现有太阳辐射强度和光伏发电系统难以准确的预测其输出功率的问题。

公开(公告)号：CN118485243A

公开(公告)日：2024-08-13

申请号：CN202410561072.7

申请日：2024-05-08

申请人： 华北电力大学

发明人： 许晓敏 ,  崔灏旭 ,  杨梦琪 ,  关泺允 ,  王之怡 ,  张勇 ,  周盈颖 ,  姚润坤

IPC分类号： G06Q10/0631 ,  G06Q50/06 ,  G06N20/00

摘要： 本发明公开一种工业用氢需求量预测方法，包括步骤：S1、筛选工业用氢的影响因素；S2、采集影响工业用氢需求量的原始数据集并对原始数据集进行数据预处理；S3、构建RF‑SSA‑LSSVM组合预测模型，并将预处理后的原始数据集输入预测模型中，获取预测结果；S4、对预测结果进行对比分析与误差分析。本发明解决了现有工业用氢领域难以准确的预测其需求量的问题。

公开(公告)号：CN117788037A

公开(公告)日：2024-03-29

申请号：CN202410002510.6

申请日：2024-01-02

申请人： 华北电力大学

发明人： 许晓敏 ,  王之怡 ,  郑世鹏 ,  姚润坤 ,  杨梦琪 ,  关泺允

IPC分类号： G06Q30/0201 ,  G06Q50/06 ,  G06N3/006 ,  G06N3/084 ,  G06Q30/0283

摘要： 本发明公开一种基于电力装备制造企业多价值链数据空间的成本预测方法，本发明利用网络数据挖掘技术，收集电力装备制造企业在多价值链上活动的各类成本数据，构建电力装备制造企业多价值链协同下的影响因素库。利用Pearson相关系数和灰色关联方法对影响因素库的影响因素进行分析筛选，选取与成本预测关联度较高的指标作为预测模型分析的主要影响因素，并采用萤火虫扰动和麻雀搜索算法组合算法对BP神经网络模型进行优化，构建成能够结合产品生产、销售、供应、服务等多价值链数据协同的FA‑SSA‑BP成本智能预测模型。本发明解决模型过早陷入局部最优等问题，极大地提升了成本预测的精确度，运行效率更高效，缩小成本预测误差，使得预测结果更加有效。

公开(公告)号：CN117828488A

公开(公告)日：2024-04-05

申请号：CN202410245142.8

申请日：2024-03-05

申请人： 华北电力大学

发明人： 许晓敏 ,  斯琴卓娅 ,  姚润坤 ,  关泺允 ,  刘达 ,  王之怡 ,  崔灏旭 ,  李湘颖

IPC分类号： G06F18/243 ,  G06F18/27 ,  G06F18/214 ,  G06N3/09 ,  G06Q50/06

摘要： 本发明属于能源预测技术领域，本发明公开一种基于随机森林与稳健回归的太阳辐射度预测方法，包括步骤：S1、采集影响太阳辐射强度的原始数据集；S2、对原始数据集进行数据预处理；S3、构建RF‑SQ‑MKL多核监督学习预测模型，并将预处理后的原始数据集输入预测模型中，获取预测结果；S4、对预测结果进行对比分析与误差分析。本发明解决了现有太阳辐射强度和光伏发电系统难以准确的预测其输出功率的问题。