一种基于LSTM-ELM的非侵入式电能负荷预测方法

    公开(公告)号:CN114139822B

    公开(公告)日:2024-08-20

    申请号:CN202111487796.4

    申请日:2021-12-07

    Abstract: 本发明公开了一种基于LSTM‑ELM的非侵入式电能负荷预测方法,包括以下步骤:(1)采集非侵入式电能表电能负荷时间序列信息,对负荷信息进行异常点识别修正,并进行归一化处理;(2)平稳化处理,分解得到包含不同时间尺度的局部特征信号的本征模函数IMF分量和残差分量;(3)建立长短期记忆网络(LSTM),获取准确的高频分量序列;(4)建立极限学习机(ELM)网络,获取准确的低频分量序列;(5)建立基于LSTM‑ELM的非侵入式电能表电能负荷预测模型,实现电能负荷准确预测。本发明对非侵入式电能表电能负荷变化趋势做出判断,对局部变化细节做出精准预测,具有更好的预测准确度和性能,能解决非侵入式电能表电能负荷随机性强、负荷预测准确度不足等问题。

    一种基于LSTM-ELM的非侵入式电能负荷预测方法

    公开(公告)号:CN114139822A

    公开(公告)日:2022-03-04

    申请号:CN202111487796.4

    申请日:2021-12-07

    Abstract: 本发明公开了一种基于LSTM‑ELM的非侵入式电能负荷预测方法,包括以下步骤:(1)采集非侵入式电能表电能负荷时间序列信息,对负荷信息进行异常点识别修正,并进行归一化处理;(2)平稳化处理,分解得到包含不同时间尺度的局部特征信号的本征模函数IMF分量和残差分量;(3)建立长短期记忆网络(LSTM),获取准确的高频分量序列;(4)建立极限学习机(ELM)网络,获取准确的低频分量序列;(5)建立基于LSTM‑ELM的非侵入式电能表电能负荷预测模型,实现电能负荷准确预测。本发明对非侵入式电能表电能负荷变化趋势做出判断,对局部变化细节做出精准预测,具有更好的预测准确度和性能,能解决非侵入式电能表电能负荷随机性强、负荷预测准确度不足等问题。

    一种磁网络电能路由器自适应数据驱动功率控制方法

    公开(公告)号:CN118399749A

    公开(公告)日:2024-07-26

    申请号:CN202410473518.0

    申请日:2024-04-19

    Abstract: 本发明公开了一种磁网络电能路由器自适应数据驱动功率控制方法,包括建立磁网络电能路由器二次侧功率离散模型,建立其数据模型,并且根据梯度优化思路,实时辨识数据模型,考虑梯度因子对数据模型辨识的影响,设计自适应梯度因子;根据二次侧输出功率和输出功率参考,设计自适应移相角范围,为输出功率预测计算提供移相角参考;根据数据模型及自适应移相角范围,预测未来时刻输出功率,实现数据驱动预测控制;利用价值函数评估最优移相角并应用在下一控制周期中,实现自适应输出功率控制。本发明提高了磁网络电能路由器功率控制的鲁棒性,提高了磁网络电能路由器在不同运行工况下的可靠性以及功率控制在不同参数的磁网络能源路由器应用的扩展性。

Patent Agency Ranking