Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜东南大学;国网江苏省电力有限公司苏州供电分公司;国网电力科学研究院有限公司;中国电力科学研究院有限公司;国网江苏省电力有限公司赵家庆获国家专利权

恭喜东南大学;国网江苏省电力有限公司苏州供电分公司;国网电力科学研究院有限公司;中国电力科学研究院有限公司;国网江苏省电力有限公司赵家庆获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜东南大学;国网江苏省电力有限公司苏州供电分公司;国网电力科学研究院有限公司;中国电力科学研究院有限公司;国网江苏省电力有限公司申请的专利一种基于集群划分和数据增强的整县光伏预测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114492941B

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202111646119.2,技术领域涉及:G06Q10/04;该发明授权一种基于集群划分和数据增强的整县光伏预测方法是由赵家庆;陈中;赵奇;王彪;吕洋;徐春雷;庄卫金;闪鑫;王毅;吴海伟;丁宏恩;田江;俞瑜;徐秀之;孟雨庭设计研发完成,并于2021-12-29向国家知识产权局提交的专利申请。

一种基于集群划分和数据增强的整县光伏预测方法在说明书摘要公布了:一种基于集群划分和数据增强的整县分布式光伏预测方法,具体是:对整个县的光伏出力历史数据库选择晴天的典型功率曲线,以单站最大功率对出力进行标幺化;计算皮尔逊相关系数作为距离度量,利用基于密度的抗噪聚类算法Density‑BasedSpatialClusteringofApplicationswithNoise,DBSCAN对光伏站点进行聚类,形成集群划分,对于异常点,使用k近邻搜索,划分到最近集群;在集群内通过生成式对抗神经网络对历史数据进行数据扩充;将原始数据和生成的数据图片化共同训练深度卷积网络预测模型。本发明的预测方法通过改进的GAN的动态博弈过程训练过程学习到原始数据分布,然后生成相应分布的数据,补充了整县光伏历史数据库,通过增强的训练集训练深度卷积神经网络,提高了模型预测精准度。

本发明授权一种基于集群划分和数据增强的整县光伏预测方法在权利要求书中公布了:1.一种基于集群划分和数据增强的整县光伏预测方法,其特征在于,所述基于集群划分和数据增强的整县光伏预测方法包括以下步骤:S1,采集所设定区域内以及所设定时间内的每个光伏出力站点的历史晴天光伏出力数据以及气象数据;S2,根据S1采集的晴天光伏出力数据求取每个光伏出力站点的最大功率并进行标幺化,之后进行光伏集群划分;S3,构建光伏数据增强神经网络模型,神经网络模型为改进的GAN;S3.1,设定学习率α、截断参数c、批训练样本数m、生成器每迭代一次判别器迭代的次数ncritic,初始化判别器网络参数wt、生成器网络参数θt;S3.2,检查生成器参数θt是否收敛,如果收敛则结束迭代;如果没有收敛则进入S3.3;S3.3,检查当前迭代次数是否达到迭代次数阈值ncritic,如果没有达到则更新判别器网络参数wt并更新当前迭代次数,重复本步骤;如果达到了迭代次数阈值ncritic则进入步骤S3.4;更新判别器网络参数wt的方法为: 其中,clip.表示深度学习中的的剪裁函数,RMSProp.表示深度学习中的学习率自适应优化器,表示判别器损失函数的梯度,具体计算方法为: 其中,xi是输入参数中的第i训练批次;zi为第i次训练从生成器产生的样本分布中的批采样;为判别器网络;S3.4,计算生成器损失函数并更新生成器参数θt,并返回步骤3.2;S4,在光伏集群内通过S3构建的光伏数据增强神经网络模型进行数据增强,再将增强后的数据输入至CNN神经网络,训练后得到光伏预测神经网络模型;S5:将气象预报数据输入至S4的光伏预测神经网络模型中进行光伏预测。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人东南大学;国网江苏省电力有限公司苏州供电分公司;国网电力科学研究院有限公司;中国电力科学研究院有限公司;国网江苏省电力有限公司,其通讯地址为:210096 江苏省南京市玄武区四牌楼2号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。