一种发电企业参与电碳多市场协同均衡分析方法和系统

    公开(公告)号:CN117634831A

    公开(公告)日:2024-03-01

    申请号:CN202311669499.0

    申请日:2023-12-07

    Abstract: 本发明公开一种发电企业参与电碳多市场协同均衡分析方法和系统,涉及电碳多市场协同领域。本发明计及电力市场与碳市场之间的耦合机制,考虑碳市场与电力市场在不同时间尺度的交互关系,构建电碳多市场双层决策模型,并将电碳多市场双层决策模型转换为单层均衡约束规划模型,以使单层均衡约束规划模型更符合实际市场运行规则,能够准确反应出市场运行规律和实际情况。采用改进的粒子群算法进行求解,能够在提高模型的求解效率的同时,提高市场均衡性。并且,通过求解电碳多市场均衡问题,不仅可以为发电企业提供碳市场背景下电力市场投标策略,还可以帮助市场运行主体进行低碳经济调度和优化电力市场规则政策。

    一种基于特征选择算法的网络入侵检测方法

    公开(公告)号:CN112511519A

    公开(公告)日:2021-03-16

    申请号:CN202011313089.9

    申请日:2020-11-20

    Abstract: 本发明公开了一种基于特征选择算法的网络入侵检测方法,包括如下步骤:1:使用QBSO‑FS算法,对NSL‑KDD数据在多种机器学习模型上的分类效果进行优化,获得优化子集;2:使用步骤1得到的优化子集,联合决策出新的特征子集;3:使用步骤2得到新的特征子集作为输入,用于复杂机器学习模型分类使用。本发明方法是基于QBSO‑FS和机器学习的入侵检测方法,原始数据经过特征选择后在普通机器学习算法中分类精度有效提升,在融合多种机器学习算法分类的最优特征子集后,数据集在高性能机器学习分类算法上表现优于一般特征选择算法;通过使用特征选择来提升机器学习算法的分类精度,适用于物联网环境下设备计算资源不多的情况,实际布控可行性是高于复杂的深度学习模型的。

    基于麻雀搜索深度超参数优化的电价预测方法、装置、介质及产品

    公开(公告)号:CN119323431A

    公开(公告)日:2025-01-17

    申请号:CN202411343297.1

    申请日:2024-09-25

    Abstract: 本申请公开一种基于麻雀搜索深度超参数优化的电价预测方法、装置、介质及产品,涉及电价预测技术领域,所述方法包括:获取待预测电力市场的原始序列集;采用经验模态分解,分别对各原始电价特征序列进行特征提取,得到待预测电力市场的子分解序列集合;采用核主成分分析,分别对各最终分解子序列进行高维映射和降维处理,得到待预测电力市场的降维序列集合;将待预测电力市场的降维序列集合输入至电价预测模型中,得到待预测电力市场的预测电价;电价预测模型是利用训练集对初始网络进行训练得到的,训练集包括:多个训练用维序列集合和对应的实际电价,初始网络的基于麻雀搜索算法和长短期记忆网络构建的。本申请降低了电价预测误差。

Patent Agency Ranking