公开(公告)号：CN116865255A

公开(公告)日：2023-10-10

申请号：CN202310845748.0

申请日：2023-07-11

Applicant: 内蒙古工业大学

Inventor： 王永生 ,  张哲 ,  温晓静

IPC: H02J3/00 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/047 ,  G06F18/213

Abstract: 一种基于改进熵权法和SECEEMD的短期风电功率预测方法，首先将多种相关性分析方法结合，对数值气象预报数据进行分析，准确选择出与风电功率相关性较高的气象特征；同时结合风电输出功率数据，使用样本熵对CEEMD分解方法进行改进，得出一种SECEEMD分解算法；然后分别建立NWP‑CCE‑LSTM预测模型和SECEEMD‑BP预测模型，并通过贝叶斯优化算法优化长短期记忆神经网络和BP神经网络结构；最后，通过将贝叶斯优化算法与熵权法结合找到两个预测模型输出结果的最优权重，并对预测结果进行加权组合，得出短期风电输出功率预测结果。本发明能够在预测短期风电输出功率时，具有更高的预测精度和更快的训练速度。

公开(公告)号：CN115330026A

公开(公告)日：2022-11-11

申请号：CN202210845311.2

申请日：2022-07-19

Applicant: 内蒙古工业大学

Inventor： 王永生 ,  张哲 ,  刘利民 ,  许志伟 ,  刘广文

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F16/215 ,  G06F16/2458 ,  G06F17/16

Abstract: 本发明提供了一种基于Transformer和改进掩码矩阵的风电功率预测方法，该方法将含有缺失值的原始数据与位置矩阵相加，然后与改进掩码矩阵相乘以构造主动缺失，得到带有位置信息和掩码信息的时间序列数据，该时间序列数据作为Transformer中编码器的输入矩阵得到重构数据，计算重构数据中主动缺失部分与原始数据中主动缺失部分之间的损失；根据重构数据和所述位置矩阵，将原始数据中的缺失值插补，当Transformer模型收敛的时候，此时使用重构数据对原始数据插补出来的结果为最终插补的结果；最终利用插补得到的数据集进行风电功能预测。本发明能够在数据集不完整的情况下准确地预测风电功率。

公开(公告)号：CN114113516A

公开(公告)日：2022-03-01

申请号：CN202111258369.9

申请日：2021-10-27

Applicant: 内蒙古工业大学

Inventor： 王永生 ,  陈振 ,  许志伟 ,  云静 ,  张哲

IPC: G01N33/18 ,  G01D21/02 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于GAN的水质异常数据检测方法，该方法包括对水质数据的预处理方法PCA主成分分析法，用于处理原始水质数据，在最大限度不丢失原始信息的前提下降低数据维度，减少计算量，加速监测时间；训练GAN使其生成器生成的伪正常数据能够达到以假乱真的水平，鉴别器能够达到完全判别出真假数据的水平；以及异常检测，将训练好的生成器和鉴别器用于异常检测，生成器生成的数据和原始数据进行对比得出重构损失，鉴别器对原始数据进行鉴别得出鉴别损失，将两种损失进行相加得到总的损失值，据此判断原始水质数据的正常与否。