公开(公告)号：CN117996736A

公开(公告)日：2024-05-07

申请号：CN202410084464.9

申请日：2024-01-19

Applicant: 华北电力大学(保定)

Inventor： 梅华威 ,  刘艳平 ,  曹旺斌 ,  张月圆

IPC: H02J3/00 ,  G06Q10/04 ,  G06Q50/06 ,  G06N20/20

Abstract: 一种不同台区短期负荷功率的预测方法，所述方法包括以下步骤：a.对不同的台区进行功率数据采集，并对数据进行预处理；b.将预处理后的功率数据按照一定的比例划分为训练集和测试集；c.采用不同步幅的滑动窗口机制将训练集和测试集进行数据划分；d.通过序列自差值计算对训练集和测试集进行重构；e.构建WR‑XGboost预测模型；f.利用训练集数据对预测模型进行训练；g.利用测试集数据对预测模型进行测试；h.利用测试合格的预测模型对台区短期负荷功率进行预测。本发明可在保证模型训练效果的同时避免学习大量重复数据，加速模型的搜索优化，该方法可减少软硬件资源的浪费，降低负荷功率的预测成本，提高预测精度。

公开(公告)号：CN117973557A

公开(公告)日：2024-05-03

申请号：CN202410123700.3

申请日：2024-01-30

Applicant: 华北电力大学(保定)

Inventor： 梅华威 ,  刘艳平 ,  曹旺斌 ,  张月圆

IPC: G06N20/00 ,  G06F18/10 ,  G06F18/15 ,  G06F18/213 ,  G06F18/214

Abstract: 一种适用于非侵入式负荷分解的迁移方法，它通过实例化一个母模型并加载预训练权重；通过该模型运行新的数据集，并记录母模型中解码器的输出，提取其特征；使用输出的特征向量作为新的较小模型的输入进行训练。与之前的方法不同，这种迁移方法只需在目标数据域上运行一次母模型，而不是每个训练周期都运行一次。本发明的方法具有更优的模型架构，提高了模型的泛化能力，具有更高的数据质量。子模型的输入不再是传统的能耗序列而是经过母模型计算的特征，这也提高了负荷分解预测效果，降低了软硬件资源消耗，具有较高的实用价值。

公开(公告)号：CN118551196A

公开(公告)日：2024-08-27

申请号：CN202310162969.8

申请日：2023-02-24

Applicant: 华北电力大学(保定)

Inventor： 梅华威 ,  刘艳平 ,  曹旺斌

IPC: G06F18/213 ,  G06F18/27 ,  G06F18/10 ,  G06F18/15 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/0985 ,  G06N3/084 ,  G01R31/00

Abstract: 一种适用于非侵入式用户负荷数据监测分析方法，所述方法从数据和模型两方面对分解算法进行优化，在数据方面，对输入的数据和标签分别进行标准化和归一化数据操作，消除量纲对结果的影响，使用数据生成器对数据进行批量短序列划分，增强了邻域特征并减少了软硬件资源消耗；在模型方面，以门循环单元为基础进行构建降低模型复杂度和参数量，采用RMSProp算法优化加快了模型训练速度并提高了模型分解效果。本发明保存了数据原始的一维结构，使得模型可以提取到更充分的特征信息，通过对总负荷功率进行标准化，对分电器数据进行归一化的处理以及使用GBRM模型回归预测分解效果，在保证高效回归预测的同时，降低了模型对软硬件资源的要求。