-
公开(公告)号：CN115936177A
公开(公告)日：2023-04-07
申请号：CN202211345699.6
申请日：2022-10-31
Applicant: 济南大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/06 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , H02J3/00
Abstract: 本发明公开了一种基于神经网络的光伏输出功率预测方法及系统，涉及光伏发电技术领域。通过卷积神经网络和多层感知机结合形成不同天气类型下的光伏功率预测模型；并将历史气象数据输入进光伏功率预测模型获得光伏输出功率预测结果，本发明利用卷积神经网络将原始数据划分为多个子集，将天气状况相同的数据集中在一起，利用相似日的光伏功率具有较强关联性的特点，提高模型的预测精度。本发明对气象影响因子进行了回归分析，对光伏功率预测模型的输入变量进行了识别优化，使用MAE，MAPE，RMSE3个指标进行模型性能评估和误差分析，从而映模型综合性能，有效的分析出气象影响因子对光伏功率的影响，进一步提高了模型的预测精度。
-
公开(公告)号：CN119129864A
公开(公告)日：2024-12-13
申请号：CN202411639356.X
申请日：2024-11-18
Applicant: 济南大学
Abstract: 本发明提供了一种风电功率预测方法、系统、计算机设备及存储介质，属于风电功率预测技术领域，首先，提出一种缺失数据填充方法结合交叉多重插补（CMI），以获得完整的环境变量数据集。其次，基于最大信息系数进行特征变量的选择，以简化数据集得到需要的特征向量。最后，基于特征变量集的数据训练时间卷积网络（TCN）得到风电功率预测模型，将待检测风机运行数据输入风电功率预测模型，输出风电功率预测值。相较于其他模型，具有更好的预测性能，为后续风电总量分析及预测提供数据支持。
-
公开(公告)号：CN115936177B
公开(公告)日：2024-12-06
申请号：CN202211345699.6
申请日：2022-10-31
Applicant: 济南大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/06 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , H02J3/00
Abstract: 本发明公开了一种基于神经网络的光伏输出功率预测方法及系统，涉及光伏发电技术领域。通过卷积神经网络和多层感知机结合形成不同天气类型下的光伏功率预测模型；并将历史气象数据输入进光伏功率预测模型获得光伏输出功率预测结果，本发明利用卷积神经网络将原始数据划分为多个子集，将天气状况相同的数据集中在一起，利用相似日的光伏功率具有较强关联性的特点，提高模型的预测精度。本发明对气象影响因子进行了回归分析，对光伏功率预测模型的输入变量进行了识别优化，使用MAE，MAPE，RMSE3个指标进行模型性能评估和误差分析，从而映模型综合性能，有效的分析出气象影响因子对光伏功率的影响，进一步提高了模型的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN118586442A
公开(公告)日：2024-09-03
申请号：CN202411062167.0
申请日：2024-08-05
Applicant: 济南大学
IPC: G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06F18/2113 , G06Q50/06 , H02J3/00 , G06N3/048
Abstract: 本发明公开了一种新框架光伏功率预测方法及系统、计算机可读存储介质，属于光伏功率预测技术领域。本发明使用Adam优化器对基于LSTM‑KAN进行优化，通过计算每个参数的梯度并利用Adam算法进行参数更新，加速模型的收敛并提高预测性能；通过ExponentialLR算法自适应调整学习率，能够更好地处理光伏功率数据中的不同尺度和变化情况，从而更准确地预测光伏功率。并将KAN模型替代LSTM中MLP部分，构建基于混合光伏功率预测模型，训练得到最优预测模型，实现更准确的光伏功率预测结果。
-
公开(公告)号：CN118381026A
公开(公告)日：2024-07-23
申请号：CN202410833883.8
申请日：2024-06-26
Applicant: 济南大学
IPC: H02J3/00 , H02J3/38 , G06Q10/063 , G06Q50/06 , G06N3/006 , G06N3/045 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于CWOA‑BiLSTM的光伏功率双层预测方法，属于光伏功率预测领域，包括获取光伏电站的历史光伏发电数据，对获取的历史光伏发电数据进行预处理，历史光伏发电数据包括历史光伏功率以及与之相关的历史气象数据；建立CWOA‑BiLSTM模型，得到预测结构，并将历史光伏功率以及与之相关的历史气象数据输入到CWOA‑BiLSTM模型进行训练；将与光伏功率相关的气象数据输入到CWOA‑BiLSTM模型进行预测。本发明采用上述的一种基于CWOA‑BiLSTM的光伏功率双层预测方法，可以大幅度提高BiLSTM模型的综合性能，并可大大降低人工调试所需的人力、物力；能够显著减少处理时间，提高工作效率，有助于电网快速响应并优化资源分配。
-
公开(公告)号：CN115564100A
公开(公告)日：2023-01-03
申请号：CN202211155159.1
申请日：2022-09-22
Applicant: 济南大学 , 山东电力工程咨询院有限公司
Abstract: 本发明涉及光伏功率预测方法、系统及设备，其中的光伏功率预测方法包括以下步骤：获取历史光伏出力数据和对应的气象数据，基于灰度共生矩阵对气象数据中的历史云图数据进行特征提取，结合历史光伏出力数据进行特征构建；对特征中的云图数据依据灰度值划分为设定数量的区间，并对每张云图进行灰度统计，基于灰度统计数据经聚类得到天气分类；将数据分为训练集与测试集，利用训练集对预测模型进行训练，并优化更新网络参数，利用测试集进行测试；将预测结果的输出误差作为目标函数，对预测模型进行超参数优化，得到优化后的预测模型作为最终的光伏功率预测模型。考虑了云图特征的不足，具有良好的预测效果。
-
公开(公告)号：CN118889378A
公开(公告)日：2024-11-01
申请号：CN202410905703.2
申请日：2024-07-08
Applicant: 济南大学
IPC: H02J3/00 , G06N3/0442 , G06N3/0985 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开了一种光伏输出功率预测方法及系统，属于光伏发电领域，包括对光伏发电的原始历史数据集进行时空处理，将处理后的原始历史数据集划分为训练集，验证集，预测集；使用贝叶斯优化器优化LSTM的超参数，得到BO‑LTSM模型，将训练集输入到BO‑LTSM模型中进行训练，使用预测集输入到训练好的BO‑LTSM模型中进行初步预测得到预测输出功率；使用时间相关模型和空间相关模型对预测输出功率进行修正，得到光伏功率短期预测模型；对光伏功率短期预测模型进行评估。本发明采用上述的一种光伏输出功率预测方法及系统，用于辅助新建的分布式电站做预测，或是在建立新电站之前通过提前预测新电站的光伏功率帮助评估新电站的可行性并且提高了光伏功率预测的准确性。
-
公开(公告)号：CN117494888A
公开(公告)日：2024-02-02
申请号：CN202311462236.2
申请日：2023-11-03
Applicant: 济南大学
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/06 , G06Q10/067 , G06N3/08 , G06N20/00 , H02J3/00
Abstract: 本发明公开了一种基于优化级联的分布式光伏功率预测方法及系统，该方法包括：获取集中式光伏电站和分布式光伏电站的历史光伏功率；基于历史光伏功率，计算集中式和分布式光伏电站之间的皮尔逊相关系数，建立集中式光伏功率与分布式光伏功率的线性相关模型；将预测日的气象数据输入至基于KDE‑CatBoost的集中式光伏功率预测模型中，输出集中式光伏功率预测值；所述集中式光伏功率预测模型利用Adam优化算法训练得到，输入的气象数据通过核密度估计法，输出光伏功率分布概率预测结果，再利用CatBoost算法输出光伏功率预测值；根据集中式光伏功率预测值和线性相关模型，获得分布式光伏功率预测值，提高了功率预测的精确性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.026 seconds)
