-
公开(公告)号：CN114969881A
公开(公告)日：2022-08-30
申请号：CN202210087438.2
申请日：2022-01-25
Applicant: 北京理工大学珠海学院 , 广东华矩检测技术有限公司
Abstract: 本发明适用于建筑技术领域，公开了建筑窗墙比策略预测模型构建方法及窗墙比策略预测方法，预测方法包括提供建筑窗墙比策略预测模型，获取待预测时刻的气象特征数据；将获取的气象特征数据输入所述建筑窗墙比策略预测模型，得到最优窗墙比策略；建筑窗墙比策略预测模型的构建方法包括对收集的建筑窗墙比策略数据以及气象特征数据进行数据预处理；将处理后的数据划分为训练数据和待预测数据；使用训练数据训练多层感知器分类器，根据训练好的权重系数和偏置量构建多层感知器分类器模型，作为建筑窗墙比策略预测模型，该预测方法具有较高的准确度，能够有效地帮助建筑外围护结构实现智能的窗墙比自动化控制。
-
公开(公告)号：CN114997255A
公开(公告)日：2022-09-02
申请号：CN202210085943.3
申请日：2022-01-25
Applicant: 北京理工大学珠海学院 , 广东华矩检测技术有限公司
Abstract: 本发明适用于建筑技术领域，公开了建筑窗墙比策略预测模型构建方法及窗墙比策略预测方法，预测方法包括提供建筑窗墙比策略预测模型，获取待预测时刻的气象特征数据；将获取的气象特征数据输入所述建筑窗墙比策略预测模型，得到最优窗墙比策略；建筑窗墙比策略预测模型的构建方法包括对收集的建筑窗墙比策略数据以及气象特征数据进行数据预处理；将处理后的数据划分为训练数据和待预测数据；建立随机森林分类模型，基于训练数据利用网格搜索法和K折交叉验证法确定随机森林分类模型的最优超参数组合；根据最优超参数组合构建建筑窗墙比策略预测模型；该预测方法具有较高的准确度，能够有效地帮助建筑外围护结构实现智能的窗墙比自动化控制。
-
公开(公告)号：CN114969881B
公开(公告)日：2024-12-27
申请号：CN202210087438.2
申请日：2022-01-25
Applicant: 北京理工大学珠海学院 , 广东华矩检测技术有限公司
Abstract: 本发明适用于建筑技术领域，公开了建筑窗墙比策略预测模型构建方法及窗墙比策略预测方法，预测方法包括提供建筑窗墙比策略预测模型，获取待预测时刻的气象特征数据；将获取的气象特征数据输入所述建筑窗墙比策略预测模型，得到最优窗墙比策略；建筑窗墙比策略预测模型的构建方法包括对收集的建筑窗墙比策略数据以及气象特征数据进行数据预处理；将处理后的数据划分为训练数据和待预测数据；使用训练数据训练多层感知器分类器，根据训练好的权重系数和偏置量构建多层感知器分类器模型，作为建筑窗墙比策略预测模型，该预测方法具有较高的准确度，能够有效地帮助建筑外围护结构实现智能的窗墙比自动化控制。
-
公开(公告)号：CN113033910A
公开(公告)日：2021-06-25
申请号：CN202110383624.6
申请日：2021-04-09
Applicant: 电子科技大学中山学院 , 广东华矩检测技术有限公司
Abstract: 本发明公开了一种光伏发电功率的预测方法、存储介质及终端设备，所述光伏发电功率的预测方法包括步骤：将历史气象数据样本集输入至分类模型，通过分类模型得出第一气象类型训练集；将实时气象数据样本集输入至分类模型，分类模型根据实时气象数据样本集对第一气象类型训练集进行滚动校验，并得出第二气象类型训练集；将第二气象类型训练集输入至动态组合预测模型，通过动态组合预测模型得出第一预测数据；将第一预测数据输入至验证模型，通过验证模型得出第二预测数据；所述第二预测数据为光伏发电功率的预测数据；根据历史数据和实时数据对气象类型进行分类，提高分类数据的准确度，并通过对若干预测值进行交叉验证提高预测的准确率。
-
公开(公告)号：CN113033910B
公开(公告)日：2023-06-09
申请号：CN202110383624.6
申请日：2021-04-09
Applicant: 电子科技大学中山学院 , 广东华矩检测技术有限公司
IPC: G06Q10/04 , G06Q50/06 , G06Q10/067
Abstract: 本发明公开了一种光伏发电功率的预测方法、存储介质及终端设备，所述光伏发电功率的预测方法包括步骤：将历史气象数据样本集输入至分类模型，通过分类模型得出第一气象类型训练集；将实时气象数据样本集输入至分类模型，分类模型根据实时气象数据样本集对第一气象类型训练集进行滚动校验，并得出第二气象类型训练集；将第二气象类型训练集输入至动态组合预测模型，通过动态组合预测模型得出第一预测数据；将第一预测数据输入至验证模型，通过验证模型得出第二预测数据；所述第二预测数据为光伏发电功率的预测数据；根据历史数据和实时数据对气象类型进行分类，提高分类数据的准确度，并通过对若干预测值进行交叉验证提高预测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN111738522B
公开(公告)日：2023-01-03
申请号：CN202010595897.2
申请日：2020-06-28
Applicant: 电子科技大学中山学院 , 广东华矩检测技术有限公司
Abstract: 本发明公开了一种光伏发电功率的预测方法、存储介质及终端设备，所述光伏发电功率的预测方法包括步骤：以属于同一历史时间段的光伏发电功率数据和气象数据为一个训练样本，获取多个训练样本；将所述训练样本输入至第一预测模型，通过所述第一预测模型得出气象类型组；将所述气象类型组输入至第二预测模型，通过所述第二预测模型得出预测的光伏发电功率；本发明提供的光伏发电功率的预测方法，根据气象类型的特性对光伏发电功率进行预测，综合考虑了天气的复杂性和多样性，提高光伏发电功率预测的准确率，降低装机量偏大或偏小问题出现的概率。
-
公开(公告)号：CN111738522A
公开(公告)日：2020-10-02
申请号：CN202010595897.2
申请日：2020-06-28
Applicant: 电子科技大学中山学院 , 广东华矩检测技术有限公司
Abstract: 本发明公开了一种光伏发电功率的预测方法、存储介质及终端设备，所述光伏发电功率的预测方法包括步骤：以属于同一历史时间段的光伏发电功率数据和气象数据为一个训练样本，获取多个训练样本；将所述训练样本输入至第一预测模型，通过所述第一预测模型得出气象类型组；将所述气象类型组输入至第二预测模型，通过所述第二预测模型得出预测的光伏发电功率；本发明提供的光伏发电功率的预测方法，根据气象类型的特性对光伏发电功率进行预测，综合考虑了天气的复杂性和多样性，提高光伏发电功率预测的准确率，降低装机量偏大或偏小问题出现的概率。
-
公开(公告)号：CN119167245A
公开(公告)日：2024-12-20
申请号：CN202411153860.9
申请日：2024-08-21
Applicant: 北京理工大学珠海学院 , 珠海数模湾信息科技有限公司
IPC: G06F18/2433 , G06F18/15 , G06N3/006 , G06N3/0455
Abstract: 本发明适用于逆变器领域，公开了逆变器故障诊断方法、装置、设备及存储介质，该方法用于对逆变器设备的实时数据进行在线检测，以便于及时发现逆变器设备是否存在故障。该方法包括：获取历史逆变器数据；采用改进的奇异谱分析法对所述历史逆变器数据进行分解和重构，得到降噪后的逆变器数据；将所述降噪后的逆变器数据输入Anomaly Transformer初始模型进行训练，得到逆变器故障诊断模型；采集逆变器设备的实时数据，将采集的实时数据输入所述逆变器故障诊断模型以得到诊断结果。
-
公开(公告)号：CN118739256A
公开(公告)日：2024-10-01
申请号：CN202410717756.1
申请日：2024-06-04
Applicant: 北京理工大学珠海学院 , 珠海数模湾信息科技有限公司
IPC: H02J3/00 , H02J3/46 , G06Q10/0637 , G06Q50/06 , G06F18/23 , G06F18/24 , G06N3/045 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及光伏发电预测技术领域，特别涉及短期光伏功率预测方法、计算机可读存储介质及电子设备，包括获取光伏发电系统的历史数据；筛选出与光伏功率具有强相关性的气象特征作为气象特征数据集，使用ACO优化的FCM聚类算法对气象特征数据集进行聚类；采用改进的奇异谱分析法对光伏功率数据进行分解，提取出特征分解向量；将多个气象群集和特征分解向量作为CNN‑BiGRU模型的输入，得到不同类别的数据样本集；再根据不同类别的数据样本集训练对应的CNN‑BiGRU‑CrossAttention模型，得到短期光伏功率预测模型；将未来短期的气象数据输入短期光伏功率预测模型。本发明提供了短期光伏功率预测方法、计算机可读存储介质及电子设备，能显著提高光伏功率预测的准确度。
-
公开(公告)号：CN119171413A
公开(公告)日：2024-12-20
申请号：CN202411153859.6
申请日：2024-08-21
Applicant: 北京理工大学珠海学院 , 珠海数模湾信息科技有限公司
Abstract: 本发明适用于短期电力负荷预测模型构建方法领域，公开了短期电力负荷预测模型构建方法及预测方法，短期电力负荷预测模型构建方法包括：收集电力系统的历史数据，电力系统的历史数据包括多个电力系统历史负荷数据以及对应的历史气象环境数据；对多个历史气象环境数据进行聚类，得到多个气象群集；将多个气象群集的历史气象环境数据输入时间卷积网络TCN以提取气象群集的气象环境特征，并根据提取的气象环境特征以及对应的电力系统历史负荷数据生成多个训练样本；将多个训练样本输入改进的Autoformer模型进行训练，得到短期电力系统负荷预测模型，通过该方法构建的短期电力负荷预测模型在预测短期电力负荷时，更加精准。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.034 seconds)
