-
公开(公告)号：CN114611738A
公开(公告)日：2022-06-10
申请号：CN202011441261.9
申请日：2020-12-08
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于用户用电行为分析的负荷预测方法，涉及用电信息采集系统应用技术领域，其技术方案要点是：提取用户的特征向量，A类用户的负荷曲线同时含有日相关、时间邻近相关两种特性，B类用户的负荷曲线只有日相关特性。利用FCM算法对已经分类A、B两类用户进行相似日选取工作，对于A类用户，利用步骤（3）介绍方法计算出待预测日d+1时刻的局部相似序列，将选取的局部相似序列与前d点历史负荷值作为用户信息集，B类用户只具有日相关性，利用FCM算法计算出相似差最小的局部相似序列，并作为用户信息集，利用时序数据提高负荷预测模型精度，提高用户的预测模型精度。
-
公开(公告)号：CN110852522B
公开(公告)日：2024-03-29
申请号：CN201911134260.7
申请日：2019-11-19
Applicant: 南京工程学院
Abstract: 本发明公开了一种短期电力负荷预测方法，包括采集近期负荷数据、气温数据和光辐照强度数据，构建训练样本和预测样本；对训练样本和预测样本中的数据进行降维处理；采用VMD方法对降维后的数据进行分解；用训练样本分解获得的分量进行模糊小脑神经网络训练；将预测样本分解获得的分量带入训练好的模糊小脑神经网络，获得预测结果。同时公开了相应的系统。本发明基于负荷数据、气温数据和光辐照强度数据，依次对数据进行降维、分解，训练模糊小脑神经网络，最后模糊小脑神经网络进行预测，大大增强了预测的准确性。
-
公开(公告)号：CN110852522A
公开(公告)日：2020-02-28
申请号：CN201911134260.7
申请日：2019-11-19
Applicant: 南京工程学院
Abstract: 本发明公开了一种短期电力负荷预测方法，包括采集近期负荷数据、气温数据和光辐照强度数据，构建训练样本和预测样本；对训练样本和预测样本中的数据进行降维处理；采用VMD方法对降维后的数据进行分解；用训练样本分解获得的分量进行模糊小脑神经网络训练；将预测样本分解获得的分量带入训练好的模糊小脑神经网络，获得预测结果。同时公开了相应的系统。本发明基于负荷数据、气温数据和光辐照强度数据，依次对数据进行降维、分解，训练模糊小脑神经网络，最后模糊小脑神经网络进行预测，大大增强了预测的准确性。
-
公开(公告)号：CN113516282A
公开(公告)日：2021-10-19
申请号：CN202110497493.4
申请日：2021-05-08
Applicant: 南京工程学院
Abstract: 本发明提供了一种基于多时间尺度特征的短期负荷预测方法，包括以下步骤：步骤1：对负荷数据进行数据预处理步骤2：用f(t)＝s(t)+σe(t)来表示含有噪声的信号模型，其中，s(t)表示原始信号，f(t)表示含有噪声的信号，e(t)表示噪声信号；步骤3：选择db小波基对负荷序列进行分解和重构；步骤4：小波分解产生的序列用GRNN神经网络进行分析和预测；步骤:5：将高频、低频时间序列的分析预测结果再采用小波重构方法进行综合，得出整体预测分析结果。本发明采用小波对不同时间尺度的特征分解性能，结合GRNN良好的时序数据处理能力，提出W_GRNN模型，实现短期负荷预测。该模型以时序数据为输入因子，引入GRNN算法优化模型参数。通过仿真验证了改进预测模型的准确性和有效性。
-
-
-
Search Results
4
records
(took 0.022 seconds)
