-
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：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：CN106295899B
公开(公告)日：2017-08-11
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。
-
Patent Agency Ranking
公开(公告)号：CN109543921B
公开(公告)日：2021-04-06
申请号：CN201811509603.9
申请日：2018-12-11
Applicant: 合肥工业大学
Abstract: 本发明公开一种基于改进遗传算法的石油专用管流水车间的生产排产方法，其步骤是面向大批量不同型号的生产订单，将企业的订单进行分解，得到铸坯车间、轧管车间、热处理车间和油井管车间的生产任务集合，再通过改进遗传算法将各个车间内的生产任务进行优化，最后计算出各个流水车间的生产方案。本发明能减少延期订单数，减少库存积压成本，减少生产过程中工装切换次数，从而降低企业的生产成本和库存成本。
-
公开(公告)号：CN109081126B
公开(公告)日：2020-01-03
申请号：CN201810957561.9
申请日：2018-08-22
Applicant: 合肥工业大学
Abstract: 本发明公开一种基于启发式算法和遗传算法相结合的多维度约束的智能装载方法，面向楔形货格装载货物的环节，先采用启发式算法产生高质量初始解，而后采用遗传算法对初始解进行迭代寻优，将启发式算法的简洁高效和遗传算法的优化性能充分结合，从而大幅度提升货格的空间使用效率。本发明同时针对具体问题，给出了实用的程序开发方案，提高了装载运输的效率。
-
公开(公告)号：CN109543921A
公开(公告)日：2019-03-29
申请号：CN201811509603.9
申请日：2018-12-11
Applicant: 合肥工业大学
Abstract: 本发明公开一种基于改进遗传算法的石油专用管流水车间的生产排产方法，其步骤是面向大批量不同型号的生产订单，将企业的订单进行分解，得到铸坯车间、轧管车间、热处理车间和油井管车间的生产任务集合，再通过改进遗传算法将各个车间内的生产任务进行优化，最后计算出各个流水车间的生产方案。本发明能减少延期订单数，减少库存积压成本，减少生产过程中工装切换次数，从而降低企业的生产成本和库存成本。
-
公开(公告)号：CN109081126A
公开(公告)日：2018-12-25
申请号：CN201810957561.9
申请日：2018-08-22
Applicant: 合肥工业大学
Abstract: 本发明公开一种基于启发式算法和遗传算法相结合的多维度约束的智能装载方法，面向楔形货格装载货物的环节，先采用启发式算法产生高质量初始解，而后采用遗传算法对初始解进行迭代寻优，将启发式算法的简洁高效和遗传算法的优化性能充分结合，从而大幅度提升货格的空间使用效率。本发明同时针对具体问题，给出了实用的程序开发方案，提高了装载运输的效率。
-
公开(公告)号：CN106251027B
公开(公告)日：2018-05-01
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。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
