-
公开(公告)号：CN112183848B
公开(公告)日：2022-08-30
申请号：CN202011023165.2
申请日：2020-09-25
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于DWT‑SVQR集成的电力负荷概率预测方法，其步骤包括：1：收集电力负荷及相关影响因子的数据，将负荷时间序列进行离散小波变换(DWT)，确定有效频率成分，得到子序列；2：选择多种学习模型，在各子序列的训练集中加入影响因子分别训练；3：将各子序列在多种模型中的预测结果进行整合，在训练集上的预测组成新的训练集，在测试集上的预测组成新的测试集；4：在新的数据集上进行支持向量分位数回归(SVQR)集成，结合核密度估计，得到最终电力负荷的概率密度预测。本发明能利用有限长度的非稳定负荷数据特征，得到更精确的电力负荷概率预测，从而能为电力系统的协调和配置提供更有效的决策依据。
-
公开(公告)号：CN110188967B
公开(公告)日：2021-01-15
申请号：CN201910541440.0
申请日：2019-06-21
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于混沌人群算法和贝叶斯网络的电力负荷概率性预测方法，其步骤包括：1获取气温、相对湿度、风力和电力负荷时间序列实际数据，对各序列数据进行预处理，划分训练集和测试集数据；2对电力负荷原始数据进行小波阈值去噪处理，还原电力负荷时间序列真实信息；3构建贝叶斯网络模型，得到初始预测区间；4计算区间变化幅值范围，运用混沌人群算法得到最优区间变化幅值；5在最优区间变化幅值邻域采用混沌搜索，得到最终预测区间。本发明能通过构造预测区间测量电力负荷的不确定性，从而能为电力系统优化运行提供有效参考。
-
公开(公告)号：CN112036649A
公开(公告)日：2020-12-04
申请号：CN202010915902.3
申请日：2020-09-03
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于多核并行的径流概率密度预测的水电站风险评估方法，包括：1获取径流及相关特征数据并进行预处理；2使用滚动预测法对预处理后的数据集进行排列，并划分为训练集和测试集；3构建多核并行随机向量函数链网络的MPRVFL模型，并将训练集平均划分后分别对模型进行并行训练；4将测试集代入训练好的MPRVFL模型中，并对得到的条件分位数进行概率密度预测，获得预测结果以及相应的概率；5对径流概率密度预测结果进行分级，统计其中发生弃水和不能完成负荷任务的个数并计算相应风险概率。本发明充分利用计算机闲置资源，在改进径流预测精度的同时进一步提升模型的运行效率，从而可为径流中长期水文预报提供决策依据。
-
公开(公告)号：CN106251027A
公开(公告)日：2016-12-21
申请号：CN201610682457.4
申请日：2016-08-17
Applicant: 合肥工业大学
Abstract: 本发明涉及一种基于模糊支持向量分位数回归的电力负荷概率密度预测方法，首先，采集预测日以前的日最大负荷数据以及平均温度数据，并采用历史数据构建训练集和测试集。然后，利用训练集得到模糊支持向量分位数回归模型的拉格朗日乘子和支持向量下标，并根据所得到的模型参数值建立模糊支持向量分位数回归预测模型，并将测试集代入模型得到预测值。最后，利用所得到的不同分位点下的预测值，并运用核密度估计实现日最大负荷的概率密度预测。本发明可以有效地降低预测误差，提高电力负荷预测精度，取得了良好的预测效果，并为电力系统调度部门调整用电计划、优化发电机组出力等提供较为可靠的依据。
-
公开(公告)号：CN105205124A
公开(公告)日：2015-12-30
申请号：CN201510578418.5
申请日：2015-09-11
Applicant: 合肥工业大学
IPC: G06F17/30
CPC classification number: G06F17/30705
Abstract: 本发明公开了一种基于随机特征子空间的半监督文本情感分类方法，包括：1获取评论文本数据并进行预处理，构建全局特征集合；2将所有评论文本表示成向量形式；3标注部分评论文本，获得有标记样本集和未标记样本集；4计算全局特征集合中所有特征词的特征权重；5构建随机子空间；6利用未标记样本进行协同训练，最终得到Z个分类器；7利用主投票的方式对Z个分类器进行集成，得到最终的集成分类器。本发明解决传统协同训练算法训练过程中存在大量误分的样本，以及半监督文本情感分类方法中各基分类器差异性小的问题，从而提高文本情感分类方法的准确性。
-
Patent Agency Ranking
公开(公告)号：CN112036758A
公开(公告)日：2020-12-04
申请号：CN202010915883.4
申请日：2020-09-03
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于成分数据的灰色QRNN修正的能耗结构预测方法，包括：1提取任意地区能源消耗结构成分数据，并进行对称对数比变换的数据预处理；2运用灰色GM(1,1)模型对预处理后的数据进行初步预测，计算其残差；3针对残差序列建立分位数回归神经网络预测模型，得到不同分位点下的条件分位数；4将不同分位点下的条件分位数作为Epanechnikov核函数的输入变量进行概率密度预测，得到残差预测值；5结合灰色模型预测值与残差预测值，得到能耗结构处理后数据的修正数据；经反变换后得到最终的能耗结构成分数据预测值。本发明能得到预测效果精确的能耗结构预测模型，从而能为能源的合理配置和有效开发提供有利帮助。
-
公开(公告)号：CN110188967A
公开(公告)日：2019-08-30
申请号：CN201910541440.0
申请日：2019-06-21
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于混沌人群算法和贝叶斯网络的电力负荷概率性预测方法，其步骤包括：1获取气温、相对湿度、风力和电力负荷时间序列实际数据，对各列数据进行预处理，划分训练集和测试集数据；2对电力负荷原始数据进行小波阈值去燥处理，还原电力负荷时间序列真实信息；3构建贝叶斯网络模型，得到初始预测区间；4计算区间变化幅值范围，运用混沌人群算法得到最优区间变化幅值；5在最优区间变化幅值邻域采用混沌搜索，得到最终预测区间。本发明能通过构造预测区间测量电力负荷的不确定性，从而能为电力系统优化运行提供有效参考。
-
公开(公告)号：CN106295899A
公开(公告)日：2017-01-04
申请号：CN201610682520.4
申请日：2016-08-17
Applicant: 合肥工业大学
CPC classification number: Y02D10/45
Abstract: 本发明公开了一种基于遗传算法与支持向量分位数回归的风电功率概率密度预测方法，其特征是如下步骤进行：1采集风电场输出功率的数据，并进行数据清洗；2样本数据归一化处理，选取训练集和测试集数据；3构建支持向量分位数回归模型；4运用遗传算法优化支持向量分位数回归参数；5建立风电功率概率密度预测模型，得到最终的风电功率预测结果。本发明能通过遗传算法全局搜索寻优，提高风电功率的预测精度，且能够量化风电功率的不确定性，为风电并入的安全稳定运行提供了依据。
-
公开(公告)号：CN112070160B
公开(公告)日：2022-11-08
申请号：CN202010934286.6
申请日：2020-09-08
Applicant: 合肥工业大学
Abstract: 本发明公开了一种风电功率爬坡事件的多层协同实时分类预警方法，包括以下步骤：1获取风电功率历史数据进行预处理；2制定风电功率爬坡事件分类策略；3建立分解层、预测层、校正层、反馈层的多层协同预测模型；4识别不同类别的风电功率爬坡事件进行实时预警。本发明利用EMD分解、GRU预测、SVR校正以及实测信息反馈的多步滚动预测，并根据风电功率爬坡事件分类准则，识别不同类别的风电功率爬坡事件后进行实时预警，能在爬坡事件发生之前，及时采取相应措施，从而保证电力系统安全平稳运行。
-
公开(公告)号：CN112036758B
公开(公告)日：2022-09-13
申请号：CN202010915883.4
申请日：2020-09-03
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于成分数据的灰色QRNN修正的能耗结构预测方法，包括：1提取任意地区能源消耗结构成分数据，并进行对称对数比变换的数据预处理；2运用灰色GM(1,1)模型对预处理后的数据进行初步预测，计算其残差；3针对残差序列建立分位数回归神经网络预测模型，得到不同分位点下的条件分位数；4将不同分位点下的条件分位数作为Epanechnikov核函数的输入变量进行概率密度预测，得到残差预测值；5结合灰色模型预测值与残差预测值，得到能耗结构处理后数据的修正数据；经反变换后得到最终的能耗结构成分数据预测值。本发明能得到预测效果精确的能耗结构预测模型，从而能为能源的合理配置和有效开发提供有利帮助。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.021 seconds)
