公开(公告)号：CN115407157A

公开(公告)日：2022-11-29

申请号：CN202211347743.7

申请日：2022-10-31

申请人： 南昌工程学院 ,  江西派源科技有限公司

发明人： 丁贵立 ,  倪嘉豪 ,  唐健耀 ,  王宗耀 ,  许志浩 ,  康兵 ,  王晓虎 ,  颜高洋 ,  程巧 ,  施嘉兵 ,  袁净帅 ,  何登旋 ,  刘文轩

IPC分类号： G01R31/00

摘要： 本发明属于家用电器控制技术领域，涉及一种复杂多态电器负荷事件判别方法及装置，该方法获取原始电路的瞬时电流,并计算瞬时电流有效值；根据瞬时电流有效值计算电流波形变化率确定为负荷事件发生的时间节点；由负荷事件发生的时间节点提取一个周期或数个周期的稳态电流波形；经Savitzky‑Golay滤波和离散小波变换后，使用皮尔逊相关系数来计算负荷事件发生的时间节点前、后的经Savitzky‑Golay滤波和离散小波变换后的电流瞬时值的相关性，根据皮尔逊相关系数判别负荷事件是电器投切负荷事件还是多态电器工作模式转换负荷事件。本发明通过电流瞬时值的相关性实现了负荷事件类型判别。

公开(公告)号：CN115689070B

公开(公告)日：2023-12-22

申请号：CN202310000659.6

申请日：2023-01-03

申请人： 南昌工程学院

发明人： 丁贵立 ,  颜高洋 ,  刘文轩 ,  许志浩 ,  康兵 ,  张兴旺 ,  程巧 ,  曹昆峰 ,  郑芯蕊 ,  杨勇

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  G06N3/084 ,  G06N3/086 ,  G06N3/006

摘要： 本发明涉及一种基于帝王蝶算法优化BP神经网络模型的能源预测方法，该方法针对能源消费总量及其影响因素的数据建立BP神经网络模型；通过归一化函数将所有数据归一化消除量纲影响；并通过帝王蝶算法对确定BP神经网络模型的初始权重、初始阈值；将最终得到的初始权重、初始阈值代回BP神经网络模型对测试集的能源消费总量进行预测。本发明将帝王蝶算法应用到BP神经网络模型中，降低了单一BP神经网络模型预测的随机性，缩小了预测误差范围，也提高了BP神经网络模型的预测精度，其方法相对简单，预测效果更优。

公开(公告)号：CN116526478A

公开(公告)日：2023-08-01

申请号：CN202310800611.3

申请日：2023-07-03

申请人： 南昌工程学院

发明人： 丁贵立 ,  颜高洋 ,  王宗耀 ,  许志浩 ,  康兵 ,  肖辉 ,  何文华

IPC分类号： H02J3/00 ,  H02J3/38 ,  G06F18/243 ,  G06F18/214 ,  G06N3/006 ,  G06N7/08 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

摘要： 本发明公开了基于改进的蛇群优化算法的短期风电功率预测方法及系统，利用四分位法对风电场异常数据清洗并插补，建立极致梯度提升树分类模型并且利用改进的蛇群优化算法优化极致梯度提升树，对极致梯度提升树分类模型进行训练和测试，并且划分天气类型，根据分类结果构建不同天气下的多维特征矩阵，构建自适应预测模型并且预测转折性天气下的风电功率。本发明使用改进的蛇群优化算法对极致梯度提升树的学习率、树深度、最佳树的个数这三个参数进行优化可以提高极致梯度提升树分类模型的准确率，进而提高自适应预测模型的准确率，解决现有风电功率预测方案在转折性天气时段存在较大误差的问题。

公开(公告)号：CN118378759B

公开(公告)日：2024-09-13

申请号：CN202410806199.0

申请日：2024-06-21

申请人： 南昌工程学院

发明人： 丁贵立 ,  颜高洋 ,  康兵 ,  许志浩 ,  王宗耀 ,  张兴旺 ,  韩信 ,  郭洋 ,  夏夷茨 ,  章卓航 ,  蔡安禹

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  G06F18/23 ,  G06N3/006

摘要： 本发明公开了一种基于逆向云场景聚类的风电功率区间预测方法及系统，该方法通过获取风电功率的相关气象影响因子数据、风电功率预测数据以及与实际值的误差序列；对相关气象影响因子数据进行融合降维并进行聚类；基于风电功率预测数据使用自适应带宽核密度估计构建功率预测区间；根据三维云向量特征的聚类结果对每种类型赋予不同的修正权重并使用改进的MODBO算法对修正权重进行优化；使用优化后的修正权重通过自适应带宽核密度估计重新构建误差修正后的功率预测区间。本发明可提高区间预测的质量，解决当前区间预测方案无法兼顾多种风电功率预测误差的复杂场景，且覆盖率不足，区间宽度过大的问题。

公开(公告)号：CN118378759A

公开(公告)日：2024-07-23

申请号：CN202410806199.0

申请日：2024-06-21

申请人： 南昌工程学院

发明人： 丁贵立 ,  颜高洋 ,  康兵 ,  许志浩 ,  王宗耀 ,  张兴旺 ,  韩信 ,  郭洋 ,  夏夷茨 ,  章卓航 ,  蔡安禹

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  G06F18/23 ,  G06N3/006

摘要： 本发明公开了一种基于逆向云场景聚类的风电功率区间预测方法及系统，该方法通过获取风电功率的相关气象影响因子数据、风电功率预测数据以及与实际值的误差序列；对相关气象影响因子数据进行融合降维并进行聚类；基于风电功率预测数据使用自适应带宽核密度估计构建功率预测区间；根据三维云向量特征的聚类结果对每种类型赋予不同的修正权重并使用改进的MODBO算法对修正权重进行优化；使用优化后的修正权重通过自适应带宽核密度估计重新构建误差修正后的功率预测区间。本发明可提高区间预测的质量，解决当前区间预测方案无法兼顾多种风电功率预测误差的复杂场景，且覆盖率不足，区间宽度过大的问题。

公开(公告)号：CN116526478B

公开(公告)日：2023-09-19

申请号：CN202310800611.3

申请日：2023-07-03

申请人： 南昌工程学院

发明人： 丁贵立 ,  颜高洋 ,  王宗耀 ,  许志浩 ,  康兵 ,  肖辉 ,  何文华

IPC分类号： H02J3/00 ,  H02J3/38 ,  G06F18/243 ,  G06F18/214 ,  G06N3/006 ,  G06N7/08 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

摘要： 本发明公开了基于改进的蛇群优化算法的短期风电功率预测方法及系统，利用四分位法对风电场异常数据清洗并插补，建立极致梯度提升树分类模型并且利用改进的蛇群优化算法优化极致梯度提升树，对极致梯度提升树分类模型进行训练和测试，并且划分天气类型，根据分类结果构建不同天气下的多维特征矩阵，构建自适应预测模型并且预测转折性天气下的风电功率。本发明使用改进的蛇群优化算法对极致梯度提升树的学习率、树深度、最佳树的个数这三个参数进行优化可以提高极致梯度提升树分类模型的准确率，进而提高自适应预测模型的准确率，解决现有风电功率预测方案在转折性天气时段存在较大误差的问题。

公开(公告)号：CN115689070A

公开(公告)日：2023-02-03

申请号：CN202310000659.6

申请日：2023-01-03

申请人： 南昌工程学院

发明人： 丁贵立 ,  颜高洋 ,  刘文轩 ,  许志浩 ,  康兵 ,  张兴旺 ,  程巧 ,  曹昆峰 ,  郑芯蕊 ,  杨勇

IPC分类号： G06Q10/04 ,  G06Q50/06 ,  G06N3/084 ,  G06N3/086 ,  G06N3/006

摘要： 本发明涉及一种基于帝王蝶算法优化BP神经网络模型的能源预测方法，该方法针对能源消费总量及其影响因素的数据建立BP神经网络模型；通过归一化函数将所有数据归一化消除量纲影响；并通过帝王蝶算法对确定BP神经网络模型的初始权重、初始阈值；将最终得到的初始权重、初始阈值代回BP神经网络模型对测试集的能源消费总量进行预测。本发明将帝王蝶算法应用到BP神经网络模型中，降低了单一BP神经网络模型预测的随机性，缩小了预测误差范围，也提高了BP神经网络模型的预测精度，其方法相对简单，预测效果更优。