公开(公告)号：CN109117992A

公开(公告)日：2019-01-01

申请号：CN201810839653.7

申请日：2018-07-27

Applicant: 华北电力大学

Inventor： 牛东晓 ,  浦迪 ,  戴舒羽 ,  康辉

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/00 ,  G06N3/12

Abstract: 本发明公开了属于超短期风功率预测技术领域的一种基于WD-LA-WRF模型的超短期风功率预测方法。本发明考虑风力发电的波动性和随机性，首先使用小波分解方法将风速序列和风功率序列分解为不同频率的子序列，然后使用狮子算法优化随机森林的参数，以提高预测模型的精度。最后使用构建的模型进行MATLAB仿真，对各子序列进行预测，将预测结果进行重构，得到最终预测结果。本发明提出的WD-LA-WRF模型通过对原始数据的分解与降噪，将原始数据的平稳信号与非平稳信号分离开，使数据更具分析价值。本发明通过狮子算法的改进，优化了模型的参数，提高了预测精度。该模型与其他单一模型对比，具有强大的泛化能力和鲁棒性。适用于超短期风电功率预测。

公开(公告)号：CN109063892A

公开(公告)日：2018-12-21

申请号：CN201810660031.8

申请日：2018-06-25

Applicant: 华北电力大学

Inventor： 牛东晓 ,  康辉 ,  浦迪 ,  戴舒羽

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06K9/62

CPC classification number: G06Q10/04 ,  G06K9/6269 ,  G06N3/0445 ,  G06Q50/06

Abstract: 本发明公开了属于一种基于BP‑LSSVM组合优选模型的工业电量预测方法。该方法首先对输入数据进行分析处理；使用历史用电量影响因素作为自变量，历史用电量为因变量进行样本训练，分别构建BP预测模型和LSSVM预测模型，采用BP‑LSSVM组合优选方法，对模型进行学习训练，并根据模型的训练学习，求解出预测相对误差；然后，分别针对两种模型的预测误差求出误差标准差，再根据误差标准差计算出两个模型的权重。最后，根据两个模型的预测结果和权重计算得到优选组合模型预测值及预测误差。本发明的能够实现全局最优、且预测精度更为理想，为工业用电量的准确预测提供了一种新思路。

公开(公告)号：CN109034625A

公开(公告)日：2018-12-18

申请号：CN201810852699.2

申请日：2018-07-30

Applicant: 华北电力大学

Inventor： 牛东晓 ,  厉艳 ,  戴舒羽 ,  李偲

IPC: G06Q10/06 ,  G06Q50/06

CPC classification number: G06Q10/06393 ,  G06Q50/06

Abstract: 本发明公开了电网管理领域的一种电网建设项目可持续性评价方法，包括：步骤1、明确评价对象并选择评价指标：步骤2、建立最终评价指标体系并确定评价指标权重：步骤3、基于灰色关联度改进的理想点法，综合考虑评价对象与目标对象之间的接近性和相似性：步骤4、使用改进果蝇算法的最小二乘支持向量机算法对大量的电网建设项目的可持续性进行评价。本发明使用果蝇算法优化支持向量机的两个参数，在改进理想点法评价结果的基础上，使用改进后的最小二乘支持向量机模型对大量电网建设项目的可持续性进行评价，以达到快速准确进行大量同类项目评价的目的，减少复杂的专家打分和运算过程。

公开(公告)号：CN108876110A

公开(公告)日：2018-11-23

申请号：CN201810512779.3

申请日：2018-05-25

Applicant: 华北电力大学

Inventor： 牛东晓 ,  李偲 ,  戴舒羽 ,  厉艳

IPC: G06Q10/06 ,  G06Q50/06

Abstract: 本发明公开了属于公司运营效益综合评价技术领域的一种售电公司运营效益评价方法。所述方法首先采用ITM法对售电公司运营效益进行综合评价，得出相对接近度作为综合评价值。在此基础上运用MASO‑LSSVM智能算法优化参数，通过机器学习，泛化ITM综合评价中的专家打分，通过输入指标数据自动、快速计算出预测综合评价值。本发明通过MASO对LSSVM的参数进行优化，提高了LSSVM的分类精度。通过MASO‑LSSVM智能算法对售电公司运营效益进行综合评价，并通过自动运行和快速评价预测运营效益综合评价值，为售电公司未来提出更合理的运营发展模式提供决策依据，实现公司在售电市场上的可持续发展目标，同时，也为售电公司运营效益的综合评价提出一种新思路。

公开(公告)号：CN107316202A

公开(公告)日：2017-11-03

申请号：CN201710301383.X

申请日：2017-05-02

Applicant: 国网浙江省电力公司 ,  华北电力大学 ,  浙江华云信息科技有限公司

Inventor： 王锋华 ,  牛东晓 ,  何鹤 ,  杨少杰 ,  吴晗 ,  施永益 ,  成敬周 ,  黄建平 ,  陈浩 ,  琚军 ,  戴舒羽 ,  王雪峰 ,  颜朝晖 ,  吴蓉 ,  李雅 ,  沈思琪 ,  纪德良 ,  方刚毅

IPC: G06Q30/02 ,  G06Q50/06

CPC classification number: G06Q30/0283 ,  G06Q50/06

Abstract: 本发明公开了一种基于用户数量空间分布特征的负荷率电价测算方法，采集录入数据；确定用户负荷率分类及特征标准值；计算大工业用户的总容量成本；大工业用户的总容量成本在不同电压等级不同负荷率用户的分摊；计算各电压等级大工业用户的单位电量成本；计算大工业用户负荷率电价。本发明的优点是：直接对各电压等级的总容量成本进行分摊，对容量成本在不同负荷率类型用户之间存在重复分摊或没有全部分摊的问题，以不同负荷特性下用户数占所有用户的比重作为权重，对分摊系数进行了调整，综合考虑用户用电容量、电量、负荷率、用户数量空间分布特征等参数差异，制定公平合理的负荷率电价机制。

公开(公告)号：CN107229993A

公开(公告)日：2017-10-03

申请号：CN201710305416.8

申请日：2017-05-03

Applicant: 华北电力大学

Inventor： 牛东晓 ,  宋宗耘 ,  康辉 ,  戴舒羽

IPC: G06Q10/04 ,  G06K9/62 ,  G06Q50/06

CPC classification number: G06Q10/04 ,  G06K9/6223 ,  G06K9/6269 ,  G06Q50/06

Abstract: 本发明公开了一种基于KM‑APSO‑SVM模型的短期电力负荷预测方法，所述短期电力负荷预测方法包括以下步骤：(1)基于大数据进行电网日负荷变化规律的分析：收集预测地点环境的数据信息，利用灰色关联度分析各气象因素与负荷间的关系，为建立负荷预测模型奠定基础；(2)运用K‑medoids聚类算法对样本进行聚类分析：对收集的数据进行整理，形成聚类样本，设置分类数并选取相关因素构成样本的特征向量，运用K‑medoids聚类算法对样本进行聚类分析，通过无量纲化处理映射到特定的区间形成聚类结果；(3)运用APSO‑SVM预测模型进行负荷预测：对收集的数据进行累加预处理得到训练样本；将聚类样本的数据输入到SVM中训练，用APSO优化SVM参数并建立预测模型，得到的预测结果进行累减还原。