公开(公告)号：CN118839309B

公开(公告)日：2025-01-21

申请号：CN202411322808.1

申请日：2024-09-23

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 王贵斌 ,  张弦 ,  黄心隆 ,  王宏 ,  李义群

IPC: G06F18/25 ,  G06F18/214 ,  G06F30/27 ,  G06Q50/06 ,  G06F119/02

Abstract: 本发明公开了一种考虑波动性与周期性的风电功率超短期预测方法，属于可再生能源预测技术领域，包括以下步骤：S1、建立风电数据挖掘方法得到数据波动组成和周期组成；S2、通过深度学习方法从原始风电数据中提取融合特征；S3、通过集成神经网络模型基于融合特征和波动、周期组成做出预测；S4、通过S1所得的波动组成和周期组成、S2的融合特征和S3的集成神经网络确定最终的风电功率超短期预测方法。本发明采用上述的一种考虑波动性与周期性的风电功率超短期预测方法，将深度学习理论引进风电功率预测中，研究数据挖掘方法以及深度学习方法在超短时风电功率预测问题中的应用，提高电网稳定性和供电可靠性，对多元化能源系统的发展具有重要意义。

公开(公告)号：CN119807720A

公开(公告)日：2025-04-11

申请号：CN202510300821.5

申请日：2025-03-14

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 张弦 ,  王贵斌 ,  黄心隆 ,  王怀智 ,  刘斯怡 ,  马琛

IPC: G06F18/213 ,  G06N3/0442 ,  G06Q10/20 ,  G06Q50/06

Abstract: 本发明公开了基于扩展长短时记忆神经网络的海上风电功率预测方法，涉及可再生能源预测技术领域，包括以下步骤：S1、从原始风电数据中提取趋势性和季节性成分；S2、通过构建扩展长短时记忆神经网络对提取的趋势性和季节性成分进行预测；S3、集成不同组合下的扩展长短时记忆神经网络预测结果，得到最终的风电功率预测值。本发明采用上述基于扩展长短时记忆神经网络的海上风电功率预测方法，通过提取趋势性和季节性成分，结合扩展长短时记忆神经网络的高效建模能力，显著提升了风电功率预测的精度和稳定性，为电力系统调度提供可靠支持，降低风电波动对电网的影响，具有重要工程应用价值。

公开(公告)号：CN118839309A

公开(公告)日：2024-10-25

申请号：CN202411322808.1

申请日：2024-09-23

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 王贵斌 ,  张弦 ,  黄心隆 ,  王宏 ,  李义群

IPC: G06F18/25 ,  G06F18/214 ,  G06F30/27 ,  G06Q50/06 ,  G06F119/02

Abstract: 本发明公开了一种考虑波动性与周期性的风电功率超短期预测方法，属于可再生能源预测技术领域，包括以下步骤：S1、建立风电数据挖掘方法得到数据波动组成和周期组成；S2、通过深度学习方法从原始风电数据中提取融合特征；S3、通过集成神经网络模型基于融合特征和波动、周期组成做出预测；S4、通过S1所得的波动组成和周期组成、S2的融合特征和S3的集成神经网络确定最终的风电功率超短期预测方法。本发明采用上述的一种考虑波动性与周期性的风电功率超短期预测方法，将深度学习理论引进风电功率预测中，研究数据挖掘方法以及深度学习方法在超短时风电功率预测问题中的应用，提高电网稳定性和供电可靠性，对多元化能源系统的发展具有重要意义。