公开(公告)号：CN110619107A

公开(公告)日：2019-12-27

申请号：CN201910725756.5

申请日：2019-08-07

Applicant: 南昌大学

Inventor： 徐健锋 ,  吴俊杰 ,  邹伟康 ,  王文国 ,  刘建模

IPC: G06F17/16 ,  G06Q10/04 ,  G06Q50/06 ,  G06N20/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种Lstm与Gcforest算法混合强化学习的配网变压器负荷预测方法，该方法包括：首先，通过截取某段电网负荷数据构造数据集，输入Lstm算法生成Lstm模型。接着，另截取一段电网数据其中包括工况及负荷数据。选取负荷数据构建Lstm数据集，输入Lstm模型得到负荷预测结果。然后，将预测负荷结果与工况数据融合构造新的数据集，将数据集输入Gcforest算法生成Gcforest模型。最后，将应用数据负荷数据集输入Lstm模型得到负荷预测结果，将负荷预测结果与应用数据工况数据融合后输入Gcforest模型得到最终应用负荷结果。通过Lstm循环神经网络学习具有长短期依赖知识的能力，以及深度森林对非线性属性特征提取的能力，在配变负荷预测场景中使用Lstm-Gcforest组合模型能够更精准的预测配变负荷状况。

公开(公告)号：CN110619107B

公开(公告)日：2022-04-12

申请号：CN201910725756.5

申请日：2019-08-07

Applicant: 南昌大学

Inventor： 徐健锋 ,  吴俊杰 ,  邹伟康 ,  王文国 ,  刘建模

IPC: G06F17/16 ,  G06Q10/04 ,  G06Q50/06 ,  G06N20/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种Lstm与Gcforest算法混合强化学习的配网变压器负荷预测方法，该方法包括：首先，通过截取某段电网负荷数据构造数据集，输入Lstm算法生成Lstm模型。接着，另截取一段电网数据其中包括工况及负荷数据。选取负荷数据构建Lstm数据集，输入Lstm模型得到负荷预测结果。然后，将预测负荷结果与工况数据融合构造新的数据集，将数据集输入Gcforest算法生成Gcforest模型。最后，将应用数据负荷数据集输入Lstm模型得到负荷预测结果，将负荷预测结果与应用数据工况数据融合后输入Gcforest模型得到最终应用负荷结果。通过Lstm循环神经网络学习具有长短期依赖知识的能力，以及深度森林对非线性属性特征提取的能力，在配变负荷预测场景中使用Lstm‑Gcforest组合模型能够更精准的预测配变负荷状况。

公开(公告)号：CN109241992A

公开(公告)日：2019-01-18

申请号：CN201810810658.7

申请日：2018-07-23

Applicant: 南昌大学

Inventor： 徐健锋 ,  王文国 ,  刘斓 ,  梁伟 ,  吴俊杰

IPC: G06K9/62

Abstract: 一种基于信息熵权重两支决策优化的数据聚类集成方法，包括以下步骤：(1)集成聚类成员生成；(2)基于两支决策思想的局部权重算法处理基础聚类；(3)基于最终的基础聚类集合的聚类集成；(4)结束。与现有的技术相比较，本发明提升集成聚类的抗干扰性、鲁棒性和集成聚类的最终效果。