公开(公告)号：CN117650504A

公开(公告)日：2024-03-05

申请号：CN202311292908.X

申请日：2023-09-28

Applicant: 长江勘测规划设计研究有限责任公司

Inventor： 陈柏森 ,  王晓伟 ,  段威 ,  刘凡 ,  曹阳 ,  李程煌 ,  熊为军

IPC: H02J3/00 ,  G06N3/096 ,  G06N3/0442 ,  G06Q10/04 ,  G06Q50/06 ,  G06F18/2135

Abstract: 本发明公开了一种基于迁移学习与Transformer神经网络在突发情况下的电力负荷预测方法，该方法包括如下步骤：S1：对获得不同省份的经济因素数据进行预处理，划分出用于预训练的数据集和用于微调的目标数据集；S2：对Transformer神经网络进行初始化训练，获得初始化的权重数据，保存用于后续的微调；S3：对预训练好的Transformer神经网络进行微调，获得迁移学习后的Transformer神经网络；S4：找到预测效果最好的一组超参数；S5：基于多种机器学习算法，与Transformer神经网络的迁移学习效果进行检验；利用预测后的误差统计数据，找到基于迁移学习的Transformer神经网络的最优预测模型，并用于突发情况下的电力需求的预测。本发明的方法能够更加准确地进行电力负荷预测，且适应范围广。

公开(公告)号：CN117498304A

公开(公告)日：2024-02-02

申请号：CN202311271112.6

申请日：2023-09-28

Applicant: 长江勘测规划设计研究有限责任公司

Inventor： 陈柏森 ,  王晓伟 ,  熊为军 ,  李程煌 ,  曹阳 ,  王陶 ,  赵立波

IPC: H02J3/00 ,  H02J3/38 ,  G06Q50/06 ,  G06Q10/04 ,  G06N3/0442 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明公开了一种基于特征筛选的CNN‑BiLSTM短期风力发电功率预测方法，该方法包括如下步骤：S1、特征参数测量：测量获取与风力发电功率相关的多维时序数据，形成特征参数集；S2、特征参数筛选：对多维时序数据进行优化筛选，得到各个特征参数集与风电功率之间的相关性；根据特征相关性，通过比较后选择最佳的特征参数集作为模型特征输入；S3、特征参数预处理：对最佳的特征参数集进行顺序切分，得到训练集、测试集和验证集三个部分；S4、构建线性模型：利用BiLSTM网进行模型构建和训练，获取特征参数与风力发电功率之间的线性模型；S5、模型评价。本发明方法构建的组合模型可以提升多维电力功率数据的短期预测精度。