-
公开(公告)号：CN114781597B
公开(公告)日：2024-09-06
申请号：CN202210314082.1
申请日：2022-03-28
Applicant: 华中科技大学
IPC: G06N3/049 , G06N3/0442 , G06F18/24
Abstract: 本发明属于时间序列预测技术领域，具体涉及面向时间序列预测的漂移脉冲神经网络构建方法及其应用，包括：一种新的编码方法，对原始时间序列转化成神经元首次发放脉冲的时间；另外，网络输入层负责根据编码后z域时间序列数据Z(xt)、上一时刻的细胞状态Ct‑1和隐藏状态Z(ht‑1)，在对应时刻发放脉冲；隐含层包含遗忘门、输入门和输出门，每个门控的输入为Z(xt)和Z(ht‑1)对应的脉冲；遗忘门产生的脉冲用于实现选择性忘记Ct‑1的功能；输入门产生的脉冲用于更新当前时刻的细胞状态；遗忘门和输入门共同实现对时间序列的长时性记忆能力；输出门产生的脉冲对应当前时刻的隐藏状态。本发明能够有效解决输入输出神经元间存在的时延问题，并具有长时性记忆能力。
-
公开(公告)号：CN114742285A
公开(公告)日：2022-07-12
申请号：CN202210312610.X
申请日：2022-03-28
Applicant: 华中科技大学
Abstract: 本发明属于电力负荷预测领域，具体涉及一种居民电力消费模式预测模型的构建方法及其应用，包括：采用平滑化聚类方法得到居民日负荷曲线对应的多种电力消费模式；构建混合加权Markov模型，作为居民i的电力消费模式预测模型，采用混合加权Markov模型对居民未来的电力消费模式进行预测，并采用多个预测器对负荷进行预测，根据混合加权Markov模型的电力消费模式预测结果进行加权组合，从而实现更准确、稳定的居民负荷预测，为需求响应等应用提供良好的数据支持和便利的分析基础。相比于单个预测器的居民负荷预测方法，本发明提出的居民负荷预测集成方法能够有效利用居民的多种模式信息，得到更准确、稳定的负荷预测结果。
-
公开(公告)号：CN112766590A
公开(公告)日：2021-05-07
申请号：CN202110108000.3
申请日：2021-01-27
Applicant: 华中科技大学
Abstract: 本发明公开一种居民典型电力消费模式的提取方法与系统，属于智能电表应用领域。包括：获取对象M天电力消费数据，得到M条日负荷曲线；对每条日负荷曲线数据进行标准化处理；对每条标准化后日负荷曲线，采用符号化聚合近似将日负荷曲线转化为符号时间序列；采用带噪声的基于密度的空间聚类算法将M个符号时间序列分类，剔除异常值；将每个符号时间序列还原为电力消费水平时间序列；对所有电力消费水平时间序列中相同时段电力消费水平计算平均值，得到居民的典型电力消费模式。本发明消除干扰性的电力特征，使得用户分类结果中簇内具有更高相似性，簇间差异更显著；消除居民电力消费模式中的异常值，使得提取出的居民典型电力消费模式更具代表性。
-
Patent Agency Ranking
公开(公告)号：CN114742285B
公开(公告)日：2024-05-24
申请号：CN202210312610.X
申请日：2022-03-28
Applicant: 华中科技大学
IPC: G06Q10/04 , G06Q10/0639 , G06F18/23213 , G06Q50/06
Abstract: 本发明属于电力负荷预测领域，具体涉及一种居民电力消费模式预测模型的构建方法及其应用，包括：采用平滑化聚类方法得到居民日负荷曲线对应的多种电力消费模式；构建混合加权Markov模型，作为居民i的电力消费模式预测模型，采用混合加权Markov模型对居民未来的电力消费模式进行预测，并采用多个预测器对负荷进行预测，根据混合加权Markov模型的电力消费模式预测结果进行加权组合，从而实现更准确、稳定的居民负荷预测，为需求响应等应用提供良好的数据支持和便利的分析基础。相比于单个预测器的居民负荷预测方法，本发明提出的居民负荷预测集成方法能够有效利用居民的多种模式信息，得到更准确、稳定的负荷预测结果。
-
公开(公告)号：CN115689026A
公开(公告)日：2023-02-03
申请号：CN202211377095.X
申请日：2022-11-04
Applicant: 华中科技大学
IPC: G06Q10/04 , G06Q50/06 , H02J3/00 , G06F30/27 , G06F16/215
Abstract: 本发明公开了一种住宅负荷短期预测方法和系统，属于电网调度技术领域。本发明针对住宅用电峰值和均值差异巨大的问题，将待预测的负荷值分解为基本负荷曲线和差值两部分；其中，基本负荷曲线的确定主要从两个方面考虑：一个是住宅的日负荷曲线的周期性，另外一个是负荷曲线的有效性。构造基准负荷曲线，有效地减少了负荷峰值和均值的差异性，提高了预测准确率。同时本发明将自注意力机制和外部注意力机制结合，通过大数据训练之后，模型能够更加有效地提取时间序列特征。
-
公开(公告)号：CN112766590B
公开(公告)日：2022-09-20
申请号：CN202110108000.3
申请日：2021-01-27
Applicant: 华中科技大学
Abstract: 本发明公开一种居民典型电力消费模式的提取方法与系统，属于智能电表应用领域。包括：获取对象M天电力消费数据，得到M条日负荷曲线；对每条日负荷曲线数据进行标准化处理；对每条标准化后日负荷曲线，采用符号化聚合近似将日负荷曲线转化为符号时间序列；采用带噪声的基于密度的空间聚类算法将M个符号时间序列分类，剔除异常值；将每个符号时间序列还原为电力消费水平时间序列；对所有电力消费水平时间序列中相同时段电力消费水平计算平均值，得到居民的典型电力消费模式。本发明消除干扰性的电力特征，使得用户分类结果中簇内具有更高相似性，簇间差异更显著；消除居民电力消费模式中的异常值，使得提取出的居民典型电力消费模式更具代表性。
-
公开(公告)号：CN117154745A
公开(公告)日：2023-12-01
申请号：CN202311089209.5
申请日：2023-08-25
Applicant: 华中科技大学
IPC: H02J3/14 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种基于负荷编码的需求响应用户选择方法、系统及介质，属于电力系统领域，方法包括：获取用户i在第j天的日负荷曲线Lij并进行标准化处理，得到标准日负荷曲线 对进行分段聚合得到分段聚合近似曲线 并对 进行格雷编码，转化得到二进制聚合近似词Sij；对于用户i，将其各Sij中高峰时段的编码之间逐位做一致性对比，将不一致的编码位数作为其高峰稳定指标si，将其各Lij高峰时段的能耗之和作为其高峰能耗ei；根据所有用户的高峰稳定指标和高峰能耗，计算各用户的需求响应潜力分位数，并选择需求响应潜力分位数高于分位数阈值的用户参与削峰填谷调控。有效量化用户的能耗模式和稳定性，更有利于选择需求响应目标用户。
-
公开(公告)号：CN114781597A
公开(公告)日：2022-07-22
申请号：CN202210314082.1
申请日：2022-03-28
Applicant: 华中科技大学
IPC: G06N3/04
Abstract: 本发明属于时间序列预测技术领域，具体涉及面向时间序列预测的漂移脉冲神经网络构建方法及其应用，包括：一种新的编码方法，对原始时间序列转化成神经元首次发放脉冲的时间；另外，网络输入层负责根据编码后z域时间序列数据Z(xt)、上一时刻的细胞状态Ct‑1和隐藏状态Z(ht‑1)，在对应时刻发放脉冲；隐含层包含遗忘门、输入门和输出门，每个门控的输入为Z(xt)和Z(ht‑1)对应的脉冲；遗忘门产生的脉冲用于实现选择性忘记Ct‑1的功能；输入门产生的脉冲用于更新当前时刻的细胞状态；遗忘门和输入门共同实现对时间序列的长时性记忆能力；输出门产生的脉冲对应当前时刻的隐藏状态。本发明能够有效解决输入输出神经元间存在的时延问题，并具有长时性记忆能力。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
