公开(公告)号：CN112348255B

公开(公告)日：2024-04-09

申请号：CN202011232819.2

申请日：2020-11-06

Applicant: 湖南大学

Inventor： 何洪英 ,  罗滇生 ,  高思远 ,  蒋宇翔 ,  尹希浩

IPC: G06F18/27 ,  G06F18/2131 ,  G06N3/0464 ,  G06N3/084 ,  H02J3/00 ,  H02J3/38 ,  G06Q10/04 ,  G06Q50/06 ,  G06F123/02

Abstract: 本发明公开了一种基于小波时频图像化的超短期风电功率预测方法，包括获取原始输入数据集，并对原始输入数据集的输入数据进行预处理；对处理后的输入数据进行小波时频分析，提取历史时间序列的时域特征和频域特征，生成对应的时频图；根据时频图的特性、原始输入数据集的大小、硬件平台的条件，搭建神经网络预测模型；并根据图像特征提取结果、训练误差结果和最终预测结果对神经网络预测模型的参数进行调整，以获取最优预测结果。这种方法一方面可充分利用时间序列的时频信息，另一方面可充分利用二维卷积优良特性，实现对风电功率的时间序列精准的超短期预测。

公开(公告)号：CN111783684A

公开(公告)日：2020-10-16

申请号：CN202010636012.9

申请日：2020-07-03

Applicant: 湖南大学

Inventor： 何洪英 ,  罗滇生 ,  黎灿兵 ,  周斌 ,  蒋宇翔 ,  高思远 ,  尹希浩 ,  赵友琳

IPC: G06K9/00 ,  G06N3/04 ,  G06F30/20 ,  G06F119/06

Abstract: 本发明公开了一种基于Bi-GRU-SA的家庭用电负荷分解方法及系统，方法包括：采集用户的家庭用电功率数据和一段时间内单个设备功率数据；建立基于自注意力机制的双向门控递归神经网络的负荷分解模型；将所述家庭用电功率数据分为训练集数据和测试集数据；使用所述训练集对所述负荷分解模型进行训练；门控神经网络将能够很好地避免梯度爆炸和局部最优；双向机制可充分利用未来时刻的信息；自注意力机制使得重要特征得以突出；故本发明提出的家庭用电负荷分解方法能使得负荷分解的准确性大大提高。

公开(公告)号：CN112348255A

公开(公告)日：2021-02-09

申请号：CN202011232819.2

申请日：2020-11-06

Applicant: 湖南大学

Inventor： 何洪英 ,  罗滇生 ,  高思远 ,  蒋宇翔 ,  尹希浩

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/08 ,  G06N3/04 ,  G06F17/14

Abstract: 本发明公开了一种基于小波时频图像化的超短期风电功率预测方法，包括获取原始输入数据集，并对原始输入数据集的输入数据进行预处理；对处理后的输入数据进行小波时频分析，提取历史时间序列的时域特征和频域特征，生成对应的时频图；根据时频图的特性、原始输入数据集的大小、硬件平台的条件，搭建神经网络预测模型；并根据图像特征提取结果、训练误差结果和最终预测结果对神经网络预测模型的参数进行调整，以获取最优预测结果。这种方法一方面可充分利用时间序列的时频信息，另一方面可充分利用二维卷积优良特性，实现对风电功率的时间序列精准的超短期预测。