“石博臣”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果6个，建议您升级VIP下载更多相关专利

[发明专利]一种考虑数据大量丢失的混合短期风电功率预测方法-CN202310657081.1在审
发明人：代伟;丁春阳;文方均;李珂强;曾志红;石博臣 -专利权人：广西大学
申请日： 2023-06-05 - 公布日： 2023-09-05 - 主分类号： G06N3/045 文献下载
摘要：本发明公开一种考虑数据大量丢失的混合短期风电功率预测方法，包括以下步骤：1)建立基于GAN和BiLSTM的数据修复模型；2)获取风电数据序列，并输入至基于GAN和BiLSTM的数据修复模型中，对风电数据序列进行数据增强，得到风电数据增强序列；3)利用变分模态分解算法对风电数据增强序列进行分解，得到低波动性风电功率子序列；4)建立基于注意力机制的改进CNN‑BiGRU混合预测模型；5)将低波动性风电功率子序列输入至基于注意力机制的改进CNN‑BiGRU混合预测模型中，得到下一时刻风电功率预测结果。在数据质量较差的情况下，本发明可以保证预测精度满足电力系统运行的要求。
一种考虑数据大量丢失混合短期电功率预测方法

[发明专利]一种求解非线性电力系统联络线可行域的方法-CN202110630299.9有效
发明人：代伟;简江艺;王帅;赵静怡;石博臣 -专利权人：广西大学
申请日： 2021-06-07 - 公布日： 2023-01-10 - 主分类号： H02J3/00 文献下载
摘要：本发明公开一种求解非线性电力系统联络线可行域的方法，步骤为：1)建立用于联络线可行域计算的约束条件；2)建立边界集V；3)基于边界集建立多面体R；4)平移多面体R的至少一个面，得到满足约束条件的若干新边界点，并将新边界写入边界集V中，得到新边界集Vnew；5)基于新边界集Vnew建立新多面体Rnew；6)判断多面体R和新多面体Rnew之间的差异是否小于预设条件，若是，则得到电力系统联络线可行域Rnew，否则，更新边界集V＝Vnew，更新多面体R＝Rnew，并返回步骤4)。本发明能够有效地逼近原联络线可行域，将原非线性可行域近似为线性可行域，计算量小，且精度较高。
一种求解非线性电力系统联络可行方法

[发明专利]考虑外网灵活性的发电扩展规划的模型构建方法-CN202110390893.5有效
发明人：代伟;石博臣;王一雯 -专利权人：广西大学
申请日： 2021-04-12 - 公布日： 2022-12-20 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开考虑外网灵活性的发电扩展规划的模型构建方法，步骤为：1)获取外部网络信息；2)基于所述外部网络信息，建立外网最优潮流模型；3)利用多参数规划方法获取外网最优潮流模型的联络线功率可行域；4)获取内部网络信息；5)建立考虑外网灵活性的发电扩展规划模型的目标函数6)建立发电扩展规划模型的等式约束条件和不等式约束条件；7)建立考虑外网灵活性的发电扩展规划模型；8)解算考虑外网灵活性的发电扩展规划模型，得到规划方式和总成本。本发明方法能够在保护外部网络数据隐私的情况下，通过多参数规划的方法，将外网的运行信息进行等值，用于内部网络的发电扩展规划。
考虑灵活性发电扩展规划模型构建方法

[发明专利]基于数据驱动的两阶段最优潮流求解方法-CN202210737392.4在审
发明人：代伟;郭苏杭;王泽宇;赵子巍;石博臣;武新章;张冬冬 -专利权人：广西大学
申请日： 2022-06-27 - 公布日： 2022-09-06 - 主分类号： H02J3/06 文献下载
摘要：本发明公开基于数据驱动的两阶段最优潮流求解方法，包括以下步骤：1)获取电力系统基本数据；2)建立深度神经网络和最优潮流求解模型；3)将电力系统基本数据输入到最优潮流求解模型中，得到最优潮流求解模型的输入变量X；4)将输入变量X输入到最优潮流求解模型中，得到电力系统的潮流计算结果；判断潮流计算结果是否收敛，若不收敛，则修正电力系统基本数据，并返回步骤3)。本发明在保证求解精度的同时大幅提高了最优潮流、概率最优潮流的求解速度，同时增加了对输出结果的再修正过程，以保证生成结果的可行性。
基于数据驱动阶段最优潮流求解方法

[发明专利]一种基于双集成模型的光伏功率预测方法-CN202210543973.4在审
发明人：代伟;王泽宇;赵子巍;郭苏杭;石博臣;武新章;张冬冬 -专利权人：广西大学
申请日： 2022-05-18 - 公布日： 2022-08-23 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开一种基于双集成模型的光伏功率预测方法，步骤包括：1)获取实时天气预测数据；2)分别建立基于集成聚类的气象分类模型和Stacking集成学习光伏功率预测模型；3)将实时气象数据输入到基于集成聚类的气象分类模型中，得到气象分类结果；4)将气象分类结果输入到Stacking集成学习光伏功率预测模型中，得到光伏功率预测结果。本发明利用Stacking集成框架提高了算法探寻数据周期规律和特征间非线性关系的能力，在不同天气状况下获得了更高的预测精度，得到了更为优质的预测模型。
一种基于集成模型功率预测方法

[发明专利]基于改进Transformer神经网络的机组组合两阶段快速求解方法-CN202210526204.3在审
发明人：代伟;赵子巍;郭苏杭;王泽宇;石博臣 -专利权人：广西大学
申请日： 2022-05-16 - 公布日： 2022-08-19 - 主分类号： G06Q10/06 文献下载
摘要：本发明公开基于改进Transformer神经网络的机组组合两阶段快速求解方法，包括以下步骤：1)建立电力系统机组与负荷的时序耦合关系矩阵；2)基于时序耦合关系矩阵，建立Transformer基础网络模块；3)基于Transformer基础网络模块，建立一阶段改进Transformer机组预辨识模型；4)建立机组组合的物理求解模型；5)对机组组合的物理求解模型进行求解，得到机组启停决策。本发明能够结合机组组合的输入负荷时序数据，利用Transformer神经网络中Encoder的时序数据编码信息，使用加权序列的改进Decoder机制求解机组决策，解决其对于机组组合的模型预测限制，提升求解全局决策的精度。
基于改进 transformer 神经网络机组组合阶段快速求解方法