-
公开(公告)号：CN113255986A
公开(公告)日：2021-08-13
申请号：CN202110551395.4
申请日：2021-05-20
Applicant: 大连理工大学
Abstract: 本发明一种基于气象信息和深度学习算法的多步日径流预报方法，第一阶段利用最大互信息系数MIC方法对气象数据集进行特征选择作为模型的预测因子候选输入，采用互相关函数CCF和偏自相关函数PACF对观测径流和降雨量的历史滞后数据进行选择作为模型的预测因子候选输入；第二阶段先对选定的预测因子进行数据尺度缩放，然后将数据集划分为训练集、验证集和测试集；第三阶段先通过网格搜索算法率定GBRT模型参数，然后使用优选的参数在测试集上实施预报。测试表明本发明方法GBRT‑MIC能够预见期内很好地进行径流预测，研究成果对协助电厂提前制定发电计划，减少水电弃水、增发水电电量、提高水电科学调度水平具有重要意义。
-
公开(公告)号：CN111525552B
公开(公告)日：2023-06-09
申请号：CN202010319994.9
申请日：2020-04-22
Applicant: 大连理工大学
Abstract: 本发明涉及一种基于特征信息的三阶段短期风电场群功率预测方法。包括：特征点识别和预测，根据历史数据寻求能反映区域风电功率变化趋势的特征点，采用Elman神经网络预测模型，以各子区域的气象数据和区域历史风电功率数据作为模型的输入，以特征点风电场群功率作为输出对特征点功率进行预测；采用模糊匹配法生成风电功率曲线，根据上阶段预测得到的最优特征点，寻求历史上相似度最高的功率曲线为基准风电功率曲线，并把该曲线上的各点同倍比放大或缩小，得风电场群功率曲线；采用非参数回归技术，根据实际与预测风电功率偏差，建立误差分布函数，计算给定置信水平下的风电功率置信区间，得到风电场群功率区间预测范围。
-
公开(公告)号：CN113255986B
公开(公告)日：2024-09-03
申请号：CN202110551395.4
申请日：2021-05-20
Applicant: 大连理工大学
Abstract: 本发明一种基于气象信息和深度学习算法的多步日径流预报方法，第一阶段利用最大互信息系数MIC方法对气象数据集进行特征选择作为模型的预测因子候选输入，采用互相关函数CCF和偏自相关函数PACF对观测径流和降雨量的历史滞后数据进行选择作为模型的预测因子候选输入；第二阶段先对选定的预测因子进行数据尺度缩放，然后将数据集划分为训练集、验证集和测试集；第三阶段先通过网格搜索算法率定GBRT模型参数，然后使用优选的参数在测试集上实施预报。测试表明本发明方法GBRT‑MIC能够预见期内很好地进行径流预测，研究成果对协助电厂提前制定发电计划，减少水电弃水、增发水电电量、提高水电科学调度水平具有重要意义。
-
公开(公告)号：CN111525552A
公开(公告)日：2020-08-11
申请号：CN202010319994.9
申请日：2020-04-22
Applicant: 大连理工大学
Abstract: 本发明涉及一种基于特征信息的三阶段短期风电场群功率预测方法。包括：特征点识别和预测，根据历史数据寻求能反映区域风电功率变化趋势的特征点，采用Elman神经网络预测模型，以各子区域的气象数据和区域历史风电功率数据作为模型的输入，以特征点风电场群功率作为输出对特征点功率进行预测；采用模糊匹配法生成风电功率曲线，根据上阶段预测得到的最优特征点，寻求历史上相似度最高的功率曲线为基准风电功率曲线，并把该曲线上的各点同倍比放大或缩小，得风电场群功率曲线；采用非参数回归技术，根据实际与预测风电功率偏差，建立误差分布函数，计算给定置信水平下的风电功率置信区间，得到风电场群功率区间预测范围。
-
-
-
Search Results
4
records
(took 0.036 seconds)
