公开(公告)号：CN117477539A

公开(公告)日：2024-01-30

申请号：CN202311407118.1

申请日：2023-10-27

Applicant: 南昌大学

Inventor： 刘明萍 ,  夏晨旭 ,  邓素辉 ,  汪庆年 ,  王玉皞

IPC: H02J3/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/049 ,  G06N3/08 ,  G06Q50/06

Abstract: 本发明提供了一种基于时间深度卷积网络的短期负荷预测方法，包括1）对原始负荷数据及其特征进行预处理；2）将预处理后的数据转换为矩阵格式，划分训练集、验证集和测试集；3）构建时间深度卷积网络模型；4）训练所构建的时间深度卷积网络模型，判断网络模型是否达到适度拟合状态；5）利用训练好的时间深度卷积网络模型完成对短期电力负荷的预测。本发明方法在TCN的基础上，提出了时间深度卷积方法，能够更好的提取数据的时序信息和空间信息，从而更好的保留特征信息，在模型中应用了深度可分离卷积，能够减少模型参数，减少计算量，预测模型具有预测速度快，泛化能力好，预测结果准确度高的优点。

公开(公告)号：CN118199034A

公开(公告)日：2024-06-14

申请号：CN202410279687.0

申请日：2024-03-12

Applicant: 南昌大学

Inventor： 刘明萍 ,  雷浩臻 ,  夏晨旭 ,  邓素辉 ,  王玉皞

IPC: H02J3/00 ,  H02J3/38 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明提供了一种基于并行不对称结构混合模型的短期光伏功率预测方法，包括：1）对原始功率数据及其特征进行预处理，对于功率、天气等特征做归一化处理；2）将所有处理好的数据转换为矩阵格式，并按照一定的比例划分训练集、验证集、测试集；3）采用并行不对称混合网络对训练集数据提取特征，学习其数据分布及变化规律，构建出并行不对称混合网络模型；4）训练神经网络，并将划分好的验证集数据对训练出的网络模型进行验证，判断其模型是否达到适度拟合状态；5）通过训练出的最优网络对短期光伏功率进行预测，并通过误差评价指标对比预测结果与真实结果。相比传统预测方法，本发明方法能够在短期光伏功率预测方面取得更好更精确的预测结果。