-
公开(公告)号：CN114595874A
公开(公告)日：2022-06-07
申请号：CN202210172387.3
申请日：2022-02-24
Applicant: 武汉大学
Abstract: 本发明涉及机器学习中的时间序列预测技术，具体涉及一种基于动态神经网络的超短期电力负荷预测方法，对原始负荷数据进行数据预处理，修正缺失值和异常值，整理为多个批量大小，并进行归一化操作；将预处理的数据传入CNN模块进行局部特征提取；将特征提取后的数据分别输入LSTM神经网络和优化的动态跳跃LSTM神经网络，将这两个网络的输出结果通过全连接层整合；最后将预处理过的数据经过线性回归模块提取局部线性特征后与神经网络部分的输出进行整合，反归一化后得到最终的超短期负荷预测结果。该方法既保留了常规网络预测结果，又加强了负荷数据周期性信息在预测结果中所占的比重，使得最终的负荷预测结果比常规网络所获得的更为准确。
-
公开(公告)号：CN118381078A
公开(公告)日：2024-07-23
申请号：CN202410303523.7
申请日：2024-03-18
Applicant: 武汉大学
Abstract: 本发明涉及储能装置控制技术，具体涉及一种基于负荷预测的用户侧储能装置管理控制系统及方法，该方法包括：在家庭入户配电箱处安装带负荷预测功能的采集装置，利用采集装置采集数据并进行信息传输；采集装置采集入户处电压、电流数据，提取相应的用电特征信息，通过已训练好参数的预测模型进行实时负荷预测；预测模型根据家庭历史负荷数据的趋势和规律，预测未来一段时间内的用电需求；网关通过无线通信方式接收来自采集装置的数据，并将数据打包转发；网关下发数据至储能装置，储能装置根据接收的数据信息确定储能充放电控制策略。该方法能够实现储能装置的自动控制，无需用户自行配置和操作，减少了人工操作的复杂性以及误操作带来的风险。
-
公开(公告)号：CN114595874B
公开(公告)日：2024-08-06
申请号：CN202210172387.3
申请日：2022-02-24
Applicant: 武汉大学
IPC: G06Q10/04 , G06Q10/067 , G06Q50/06 , G06F30/27 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08 , H02J3/00
Abstract: 本发明涉及机器学习中的时间序列预测技术，具体涉及一种基于动态神经网络的超短期电力负荷预测方法，对原始负荷数据进行数据预处理，修正缺失值和异常值，整理为多个批量大小，并进行归一化操作；将预处理的数据传入CNN模块进行局部特征提取；将特征提取后的数据分别输入LSTM神经网络和优化的动态跳跃LSTM神经网络，将这两个网络的输出结果通过全连接层整合；最后将预处理过的数据经过线性回归模块提取局部线性特征后与神经网络部分的输出进行整合，反归一化后得到最终的超短期负荷预测结果。该方法既保留了常规网络预测结果，又加强了负荷数据周期性信息在预测结果中所占的比重，使得最终的负荷预测结果比常规网络所获得的更为准确。
-
公开(公告)号：CN118245830A
公开(公告)日：2024-06-25
申请号：CN202410303379.7
申请日：2024-03-18
Applicant: 武汉大学
IPC: G06F18/23213 , G06F18/211 , G06F18/213 , G06F18/214 , G06F18/10 , G06Q50/06
Abstract: 本发明属于非侵入式负荷监测技术领域，具体涉及基于抓取窗口捕捉的工商业负荷事件检测方法、系统及设备，能够采用抓取窗口捕捉的方法提取出稳态中心，实现事件高效、准确检测，并保证实时性。基于抓取窗口捕捉的工商业负荷事件检测方法包括：步骤1，实时采集真实工商业用电环境下的电力数据；步骤2，对电力数据进行预处理，得到样本点；步骤3，基于样本点进行负荷事件检测：步骤3.1，特征选取；步骤3.2，抓取窗口设置，设置抓取窗口的宽度、变动限度；步骤3.3，聚类分析设置；步骤3.4，基于抓取窗口对样本点进行负荷事件捕捉，识别出负荷事件的发生数量，和各负荷事件的发生时刻。
-
-
-
Search Results
4
records
(took 0.017 seconds)
