公开(公告)号：CN110570030A

公开(公告)日：2019-12-13

申请号：CN201910779807.2

申请日：2019-08-22

Applicant: 国网山东省电力公司经济技术研究院 ,  山东大学

Inventor： 孙东磊 ,  李雪亮 ,  于一潇 ,  韩学山 ,  赵龙 ,  杨思 ,  杨金洪 ,  刘晓明 ,  王明强 ,  杨明 ,  马逸然 ,  赵斌成 ,  闫芳晴 ,  朱文立 ,  王男 ,  王轶群 ,  张博颐 ,  杨斌 ,  张丽娜 ,  刘冬 ,  孙毅

IPC: G06Q10/04 ,  G06Q50/06

Abstract: 本公开提供了一种基于深度学习的风电集群功率区间预测的方法及系统，获取各个风电场站的数值天气预报和历史风电功率作为原始输入数据，通过计算解释变量的互信息来提取区域内解释变量与目标变量之间的互信息来提取关联信息，选择符合相关度的解释变量，利用主成分分析方法进行数据重构和降维，构建区间约束条件，使用深度学习构建预测模型，将重构和降维的数据输入模型进行训练，结合粒子群优化方法进行模型优化，确定最终的预测模型，利用最终的预测模型进行功率区间预测，具有较高的准确性。

公开(公告)号：CN110689183B

公开(公告)日：2022-03-11

申请号：CN201910894175.4

申请日：2019-09-20

Applicant: 山东大学

Inventor： 杨明 ,  闫芳晴 ,  王孟夏 ,  于一潇

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

Abstract: 本公开提供了一种集群光伏功率概率预测方法、系统、介质及电子设备，采集各光伏场站的历史数据，对采集到的历史数据进行归一化处理；利用改进的卷积神经网络‑分位数回归模型分别从单个光伏场站的输入数据中提取代表性特征，综合提取区域光伏场站之间的相关性特征；改进的卷积神经网络‑分位数回归模型根据提取到的区域光伏场站之间的相关性特征输出区域光伏发电功率的分位数预测结果；本公开改进了卷积神经网络的结构，使之成为一个多输入的深层神经网络，改进的卷积神经网络首先对区域内的每个光伏场站进行特征提取，再对整个区域的光伏场站进行相关性特征提取，极大的提高集群光伏功率概率预测的精度，降低了计算成本。

公开(公告)号：CN110689183A

公开(公告)日：2020-01-14

申请号：CN201910894175.4

申请日：2019-09-20

Applicant: 山东大学

Inventor： 杨明 ,  闫芳晴 ,  王孟夏 ,  于一潇

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

Abstract: 本公开提供了一种集群光伏功率概率预测方法、系统、介质及电子设备，采集各光伏场站的历史数据，对采集到的历史数据进行归一化处理；利用改进的卷积神经网络-分位数回归模型分别从单个光伏场站的输入数据中提取代表性特征，综合提取区域光伏场站之间的相关性特征；改进的卷积神经网络-分位数回归模型根据提取到的区域光伏场站之间的相关性特征输出区域光伏发电功率的分位数预测结果；本公开改进了卷积神经网络的结构，使之成为一个多输入的深层神经网络，改进的卷积神经网络首先对区域内的每个光伏场站进行特征提取，再对整个区域的光伏场站进行相关性特征提取，极大的提高集群光伏功率概率预测的精度，降低了计算成本。