公开(公告)号：CN110969290B

公开(公告)日：2023-09-26

申请号：CN201911127707.8

申请日：2019-11-18

Applicant: 国电湖南巫水水电开发有限公司 ,  华中科技大学

Inventor： 柳昶明 ,  李德富 ,  布斌 ,  李冠军 ,  李冰 ,  柏海骏 ,  覃晖 ,  张振东 ,  卢桂源

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F17/18

Abstract: 本发明属于径流预测技术领域，公开了一种基于深度学习的径流概率预测方法及系统，采用最大信息系数分析变量间的线性和非线性相关性以筛选径流相关因子；在相关性分析的基础上搭建极限梯度提升树模型，将径流相关因子输入到训练好的XGB模型中完成径流点预测；以XGB模型得到的点预测结果输入到GPR模型中，二次预测得到径流概率预测结果；选定置信度，通过高斯分布得到相应置信度下的径流区间预测结果；采用贝叶斯优化算法对XGB和GPR模型中的超参数进行优化。本发明的预报方法可得到高精度的径流点预测结果、合适的径流预测区间和可靠的径流概率预测分布，对水资源的利用和水库调度具有至关重要的作用。

公开(公告)号：CN110969290A

公开(公告)日：2020-04-07

申请号：CN201911127707.8

申请日：2019-11-18

Applicant: 国电湖南巫水水电开发有限公司 ,  华中科技大学

Inventor： 柳昶明 ,  李德富 ,  布斌 ,  李冠军 ,  李冰 ,  柏海骏 ,  覃晖 ,  张振东 ,  卢桂源

IPC: G06Q10/04 ,  G06Q50/26 ,  G06F17/18

Abstract: 本发明属于径流预测技术领域，公开了一种基于深度学习的径流概率预测方法及系统，采用最大信息系数分析变量间的线性和非线性相关性以筛选径流相关因子；在相关性分析的基础上搭建极限梯度提升树模型，将径流相关因子输入到训练好的XGB模型中完成径流点预测；以XGB模型得到的点预测结果输入到GPR模型中，二次预测得到径流概率预测结果；选定置信度，通过高斯分布得到相应置信度下的径流区间预测结果；采用贝叶斯优化算法对XGB和GPR模型中的超参数进行优化。本发明的预报方法可得到高精度的径流点预测结果、合适的径流预测区间和可靠的径流概率预测分布，对水资源的利用和水库调度具有至关重要的作用。

公开(公告)号：CN112001556B

公开(公告)日：2022-07-15

申请号：CN202010879460.1

申请日：2020-08-27

Applicant: 华中科技大学 ,  武汉市武昌区水资源管理服务中心

Inventor： 覃晖 ,  张振东 ,  卢文峰 ,  卢桂源 ,  吕昊 ,  谢伟 ,  曲昱华 ,  付佳龙

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习模型的水库下游水位预测方法，采用最大信息系数来筛选下游水位相关因子；在相关性分析的基础上采用遗传算法优化得到单个相关因子间的最佳特征组合；将下游水位相关因子的最佳特征组合作为输入，构建基于卷积神经网络和长短期记忆网络的深度学习模型(CNNLSTM)；采用Adam梯度优化算法来训练CNNLSTM模型权重变量，将训练过的CNNLSTM作为水库下游水位预测模型。本发明的预报方法精细地考虑了下游水位的相关因子，并优化了相关因子的特征组合，采用了深度学习预测模型，有效地提高了下游水位的预测精度，对水库调度中准确计算发电出力具有至关重要的作用。

公开(公告)号：CN112001556A

公开(公告)日：2020-11-27

申请号：CN202010879460.1

申请日：2020-08-27

Applicant: 华中科技大学 ,  武汉市武昌区水资源管理服务中心

Inventor： 覃晖 ,  张振东 ,  卢文峰 ,  卢桂源 ,  吕昊 ,  谢伟 ,  曲昱华 ,  付佳龙

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习模型的水库下游水位预测方法，采用最大信息系数来筛选下游水位相关因子；在相关性分析的基础上采用遗传算法优化得到单个相关因子间的最佳特征组合；将下游水位相关因子的最佳特征组合作为输入，构建基于卷积神经网络和长短期记忆网络的深度学习模型(CNNLSTM)；采用Adam梯度优化算法来训练CNNLSTM模型权重变量，将训练过的CNNLSTM作为水库下游水位预测模型。本发明的预报方法精细地考虑了下游水位的相关因子，并优化了相关因子的特征组合，采用了深度学习预测模型，有效地提高了下游水位的预测精度，对水库调度中准确计算发电出力具有至关重要的作用。

公开(公告)号：CN111985719A

公开(公告)日：2020-11-24

申请号：CN202010878240.7

申请日：2020-08-27

Applicant: 华中科技大学

Inventor： 覃晖 ,  裴少乾 ,  卢桂源 ,  吕昊 ,  谢伟 ,  曲昱华 ,  付佳龙

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  H02J3/00

Abstract: 本发明公开了一种基于改进的长短期记忆网络的电力负荷预测方法，采用最大信息系数初步筛选历史负荷这一特征，并结合考虑负荷相关因子带来的影响，采用最大相关最小冗余算法对历史负荷进行进一步刷选，将筛选后的特征集及作为模型的输入，采用改进的长短记忆网络进行电力负荷预测，得到的预测结果与实际的电网负荷进行验证，证明模型的实用性。本发明的预报方法(H-ILSTM)精确考虑了电力负荷及其影响负荷的相关因子,有效的提高了电力负荷预测的精度，对电网运行的安全性和经济性有着一定的提高。

公开(公告)号：CN111985719B

公开(公告)日：2023-07-25

申请号：CN202010878240.7

申请日：2020-08-27

Applicant: 华中科技大学

Inventor： 覃晖 ,  裴少乾 ,  卢桂源 ,  吕昊 ,  谢伟 ,  曲昱华 ,  付佳龙

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/084 ,  H02J3/00

Abstract: 本发明公开了一种基于改进的长短期记忆网络的电力负荷预测方法，采用最大信息系数初步筛选历史负荷这一特征，并结合考虑负荷相关因子带来的影响，采用最大相关最小冗余算法对历史负荷进行进一步刷选，将筛选后的特征集及作为模型的输入，采用改进的长短记忆网络进行电力负荷预测，得到的预测结果与实际的电网负荷进行验证，证明模型的实用性。本发明的预报方法(H‑ILSTM)精确考虑了电力负荷及其影响负荷的相关因子,有效的提高了电力负荷预测的精度，对电网运行的安全性和经济性有着一定的提高。