-
公开(公告)号：CN108711847B
公开(公告)日：2019-06-04
申请号：CN201810425979.5
申请日：2018-05-07
Applicant: 国网山东省电力公司电力科学研究院 , 山东中实易通集团有限公司 , 山东鲁能软件技术有限公司 , 国家电网公司
Inventor： 路宽 , 赵岩 , 王昕 , 孟祥荣 , 孙雯雪 , 程艳 , 李广磊 , 庞向坤 , 高嵩 , 王文宽 , 姚常青 , 李军 , 李洪海 , 张荣贵 , 于庆彬 , 颜庆 , 苏东亮
Abstract: 本发明公开了一种基于编码解码长短期记忆网络的短期风电功率预测方法，首先，使用基于E‑D的LSTM网络对功率进行AE处理，提取训练后的网络中间状态作为WP数据中时序关系的抽象表示；其次，合并前步中提取的网络中间状态与预测期的天气数据，将其输入到新的LSTM网络中，完成对风电功率的预测。与没使用AE预处理的多层LSTM网络方法相比，该方法通过利用AE过程中提取的WP时序关系信息降低了模型的错定(model misspecification)风险，提高了泛化能力，同时将时序特征与天气预测信息进行结合进一步提高了预测精度。
-
公开(公告)号：CN107578124B
公开(公告)日：2024-05-17
申请号：CN201710751174.5
申请日：2017-08-28
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网公司
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , H02J3/00
Abstract: 本发明公开了一种基于多层改进GRU神经网络的短期电力负荷预测方法，周期性的构建样本数据集；对样本中的输入数据进行异常点识别和缺失值处理，对处理后的数据进行标准化变换，并将数据集分成训练集、验证集和待预测集；构建改进的GRU神经网络，将训练集数据输入该网络进行多轮训练，得到训练完成后的网络，并利用该网络对验证数据集进行多轮验证测试学习效果，记录并保存最优验证结果的模型权重；将待预测数据集输入训练后得到的最优GRU模型，计算标准化预测结果并进行逆标准化变换，得出最终预测结果。本发明提升了训练的速度和训练的效率。
-
公开(公告)号：CN108711847A
公开(公告)日：2018-10-26
申请号：CN201810425979.5
申请日：2018-05-07
Applicant: 国网山东省电力公司电力科学研究院 , 山东中实易通集团有限公司 , 山东鲁能软件技术有限公司 , 国家电网公司
Inventor： 路宽 , 赵岩 , 王昕 , 孟祥荣 , 孙雯雪 , 程艳 , 李广磊 , 庞向坤 , 高嵩 , 王文宽 , 姚常青 , 李军 , 李洪海 , 张荣贵 , 于庆彬 , 颜庆 , 苏东亮
CPC classification number: H02J3/00 , H02J3/383 , H02J2003/007
Abstract: 本发明公开了一种基于编码解码长短期记忆网络的短期风电功率预测方法，首先，使用基于E‑D的LSTM网络对功率进行AE处理，提取训练后的网络中间状态作为WP数据中时序关系的抽象表示；其次，合并前步中提取的网络中间状态与预测期的天气数据，将其输入到新的LSTM网络中，完成对风电功率的预测。与没使用AE预处理的多层LSTM网络方法相比，该方法通过利用AE过程中提取的WP时序关系信息降低了模型的错定(model misspecification)风险，提高了泛化能力，同时将时序特征与天气预测信息进行结合进一步提高了预测精度。
-
公开(公告)号：CN107239859A
公开(公告)日：2017-10-10
申请号：CN201710414757.9
申请日：2017-06-05
Applicant: 国网山东省电力公司电力科学研究院 , 山东鲁能软件技术有限公司 , 国家电网公司
Abstract: 本发明公开了一种基于串联长短期记忆循环神经网络的供热负荷预测方法，选取给定时间段的气温气候、供热量数据，构建样本数据集，对样本数据集中的输入数据和输出数据分别进行标准化处理；将输入数据分成两部分，使其分别进入两个独立的长短期记忆循环神经网络，然后对两个长短期记忆循环神经网络进行合并，输出数据再进入下一层长短期记忆循环神经网络，最后进入两个全连接层；对构建的串联长短期记忆循环网络进行训练，利用参数寻优的自适应矩估计算法进行优化；将待预测数据输入串联长短期记忆循环网络，计算得出供热负荷预测结果。本发明能够有效地甄别输入数据，加速学习速度，提高学习效率，提高预测精度。
-
公开(公告)号：CN107609667B
公开(公告)日：2020-08-18
申请号：CN201710597892.1
申请日：2017-07-20
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网公司
Abstract: 本发明公开了一种基于Box_cox变换和UFCNN的供热负荷预测方法及系统，其中，该方法包括确定供热负荷预测区域，采集该预测区域内的气温气候以及供热量数据，构建样本数据集；对样本数据集中每个样本的输入和输出数据均进行Box‑Cox变换，进而将变换后的数据划分成训练数据集和验证数据集；构建UFCNN，将训练数据集内的数据输入该网络进行多轮训练，得到训练完成后的网络，并利用该网络对验证数据集进行验证测试学习效果；将待预测数据输入UFCNN，计算出与Box‑Cox变换同量纲的供热负荷预测结果；对与Box‑Cox变换同量纲的供热负荷预测结果进行逆Box‑Cox变换，得出最终的供热负荷预测值。本发明能够纠正供热负荷数据的偏态分布，使其更符合正态分布形式，从而提高数据预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN108197751A
公开(公告)日：2018-06-22
申请号：CN201810064305.7
申请日：2018-01-23
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网公司
Inventor： 路宽 , 苏建军 , 赵岩 , 毕贞福 , 王昕 , 孟祥荣 , 高嵩 , 孙雯雪 , 庞向坤 , 赵阳 , 王文宽 , 李军 , 韩英昆 , 于庆彬 , 姚长青 , 李克雷 , 颜庆
Abstract: 本发明公开了一种基于多层Bi-GRU的Seq2seq网络短期电力负荷预测方法，利用FCM方法提取相似日样本并通过Min-max标准化方法对输入变量进行标准化，以Bi-GRU神经元为基本单位构建多层次Seq2seq神经网络结构，同时选用SELU激活函数作为整个神经网络的输出层激活函数以减少梯度消失和梯度爆炸，实现整体模型在训练过程中平稳运行。
-
公开(公告)号：CN107239859B
公开(公告)日：2018-05-08
申请号：CN201710414757.9
申请日：2017-06-05
Applicant: 国网山东省电力公司电力科学研究院 , 山东鲁能软件技术有限公司 , 国家电网公司
Abstract: 本发明公开了一种基于串联长短期记忆循环神经网络的供热负荷预测方法，选取给定时间段的气温气候、供热量数据，构建样本数据集，对样本数据集中的输入数据和输出数据分别进行标准化处理；将输入数据分成两部分，使其分别进入两个独立的长短期记忆循环神经网络，然后对两个长短期记忆循环神经网络进行合并，输出数据再进入下一层长短期记忆循环神经网络，最后进入两个全连接层；对构建的串联长短期记忆循环网络进行训练，利用参数寻优的自适应矩估计算法进行优化；将待预测数据输入串联长短期记忆循环网络，计算得出供热负荷预测结果。本发明能够有效地甄别输入数据，加速学习速度，提高学习效率，提高预测精度。
-
公开(公告)号：CN107609667A
公开(公告)日：2018-01-19
申请号：CN201710597892.1
申请日：2017-07-20
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网公司
Abstract: 本发明公开了一种基于Box_cox变换和UFCNN的供热负荷预测方法及系统，其中，该方法包括确定供热负荷预测区域，采集该预测区域内的气温气候以及供热量数据，构建样本数据集；对样本数据集中每个样本的输入和输出数据均进行Box-Cox变换，进而将变换后的数据划分成训练数据集和验证数据集；构建UFCNN，将训练数据集内的数据输入该网络进行多轮训练，得到训练完成后的网络，并利用该网络对验证数据集进行验证测试学习效果；将待预测数据输入UFCNN，计算出与Box-Cox变换同量纲的供热负荷预测结果；对与Box-Cox变换同量纲的供热负荷预测结果进行逆Box-Cox变换，得出最终的供热负荷预测值。本发明能够纠正供热负荷数据的偏态分布，使其更符合正态分布形式，从而提高数据预测的准确性。
-
公开(公告)号：CN107578124A
公开(公告)日：2018-01-12
申请号：CN201710751174.5
申请日：2017-08-28
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网公司
Abstract: 本发明公开了一种基于多层改进GRU神经网络的短期电力负荷预测方法，周期性的构建样本数据集；对样本中的输入数据进行异常点识别和缺失值处理，对处理后的数据进行标准化变换，并将数据集分成训练集、验证集和待预测集；构建改进的GRU神经网络，将训练集数据输入该网络进行多轮训练，得到训练完成后的网络，并利用该网络对验证数据集进行多轮验证测试学习效果，记录并保存最优验证结果的模型权重；将待预测数据集输入训练后得到的最优GRU模型，计算标准化预测结果并进行逆标准化变换，得出最终预测结果。本发明提升了训练的速度和训练的效率。
-
公开(公告)号：CN110689203A
公开(公告)日：2020-01-14
申请号：CN201910951862.5
申请日：2019-09-30
Applicant: 国网山东省电力公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明公开了一种基于自编码器的火电厂一次风机故障预警方法，包括以下步骤：S1，在整个数据集中挑选出风机正常运行时的数据，划分成训练集、验证集和测试集；S2，对各个测点的测量值根据训练集、验证集和测试集的最大值、最小值进行归一化处理；S3，建立自编码器模型并进行模型训练；S4，计算测试集的自编码器模型输出与输入值的测试残差；S5，对测试集数据残差进行均值和标准差的滚动计算，并确定阈值；S6，利用自编码器模型计算风机运行实时数据的残差，并将残差与阈值比较确定设备状态，并根据设备状态进行预警。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.053 seconds)
