“曹照静”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7个，建议您升级VIP下载更多相关专利

[发明专利]一种新能源电力系统非参数概率最优潮流计算方法-CN202211687377.X在审
发明人：万灿;李昀熠;陈大玮;曹照静;宋永华 -专利权人：浙江大学
申请日： 2022-12-27 - 公布日： 2023-06-06 - 主分类号： H02J3/06 文献下载
摘要：本发明公开了一种新能源电力系统非参数概率最优潮流计算方法，该方法首先提出基于新能源出力非参数概率预测结果的概率最优潮流问题，然后构建基于分位数的多参数线性规划模型表示上述的概率最优潮流问题，最后提出一种具有解析性质的临界域积分方法，实现非参数概率最优潮流问题的高效求解。该方法利用分位数能够准确描述新能源出力等随机变量概率分布的优势，避免了传统概率最优潮流分析方法预设新能源出力等输入随机变量和电压幅值、相角等输出随机变量概率分布形式所造成的误差，能够充分利用新能源出力非参数概率预测的结果，显著提升电力系统概率最优潮流分析的准确性，有效支撑高比例新能源电力系统的运行与优化。
一种新能源电力系统参数概率最优潮流计算方法

[发明专利]一种基于深度学习的负荷时空预测方法-CN202011338730.4有效
发明人：朱轶伦;张东波;万灿;陈新建;于杰;罗烨锋;应姿;高慧英;夏敏燕;洪骋怀;王彬任;丁春燕;洪道鉴;王周虹;郑子淮;屠雨夕;苏崇;项明俊;曹照静 -专利权人：国网浙江省电力有限公司台州供电公司;浙江大学
申请日： 2020-11-25 - 公布日： 2023-04-28 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种基于深度学习的负荷时空预测方法，属于电力负荷预测领域。该方法进行了负荷时空特征筛选，根据负荷的空间坐标构建了网格化元胞，作为预测模型的输入特征；在此基础上，建立了适用于负荷时空预测的基于深度学习的负荷时空预测预测模型，通过训练空间负荷分布的元胞，并以最小化预测误差为训练目标，得到优化后的基于深度学习的负荷时空预测预测模型，从而实现了负荷时空预测，具有很强的灵活性和适应性。
一种基于深度学习负荷时空预测方法

[发明专利]一种数据驱动的新能源电力系统非参数概率最优潮流预测-分析一体化方法-CN202211687952.6在审
发明人：万灿;李昀熠;曹照静;徐钰淇;宋永华 -专利权人：浙江大学
申请日： 2022-12-27 - 公布日： 2023-04-14 - 主分类号： H02J3/06 文献下载
摘要：本发明公开了一种数据驱动的新能源电力系统非参数概率最优潮流预测‑分析一体化方法。该方法首先提出了一种基于点估计法与信息熵的不确定性评估指标，对可再生能源不确定性进行量化评估；然后构建了一种数据驱动的多元非参数概率预测方法，基于不确定性指标自适应选取历史数据以精准表征可再生能源出力概率分布；最后提出了一种最优潮流加权求和方法，高效求解概率最优潮流输出变量最优解的概率分布。该方法将概率预测、非参数概率描述与概率最优潮流分析相结合，构建了预测‑分析一体化方法体系，显著提升了概率最优潮流问题求解的准确性与计算效率，为可再生能源接入下电力系统的运行决策提供了重要参考。
一种数据驱动新能源电力系统参数概率最优潮流预测分析一体化方法

[发明专利]一种基于混合集成深度学习的电力系统低压负荷点预测及概率预测方法-CN201910936425.6有效
发明人：万灿;曹照静;宋永华 -专利权人：浙江大学
申请日： 2019-09-29 - 公布日： 2022-06-17 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于混合集成深度学习的电力系统低压负荷点预测及概率预测方法，属于电力系统负荷预测领域。该方法以深度信念网络作为基学习器，在此基础上实验多种集成学习方法，形成不同的集成深度预测模型，结合多个初级集成深度预测模型，形成混合集成深度点预测模型，且考虑不同集成深度预测模型的预测表现的差别性，根据预测能力配置权重；此外在上述点预测的基础上提出概率负荷预测方法，有效量化预测的不确定性。该方法针对低压负荷波动性高的特点，利用深度学习强大的非线性拟合能力和集成学习良好的泛化能力，显著提升了预测模型的点预测和概率预测表现，预测结果对配电网和智能电网的优化运行和控制等决策有重要意义。
一种基于混合集成深度学习电力系统低压负荷预测概率方法

[发明专利]一种数据驱动的新能源电力系统非参数概率预测方法-CN202111418054.6在审
发明人：万灿;曹照静;宋永华 -专利权人：浙江大学
申请日： 2021-11-26 - 公布日： 2022-03-08 - 主分类号： H02J3/00 文献下载
摘要：本发明公开了一种数据驱动的新能源电力系统非参数概率预测方法，首先，从历史数据中挖掘与预测目标概率分布相关的信息，自适应地构造相似模式数据集；然后，根据相似模式与预测对象条件的相似程度不同，为每个相似模式分配不同的权重，构建与相似模式数据集对应的相似等级数据集；最后，根据上一步的相似等级数据集中的权重通过重采样生成多个新相似模式数据集，并将新相似模式数据集中单个累积分布函数产生的多个原始结果进行综合，得到最终的概率预测结果。本发明的预测结果服务于电力系统考虑不确定性的各项决策制定，可保证不确定性日益显著的新能源电力系统的安全经济运行。
一种数据驱动新能源电力系统参数概率预测方法

[发明专利]一种电力负荷的最优非参数区间预测方法-CN201911273275.1有效
发明人：万灿;赵长飞;宋永华;曹照静 -专利权人：浙江大学
申请日： 2019-12-12 - 公布日： 2021-10-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种电力负荷的最优非参数区间预测方法，属于电力负荷预测领域。该方法构建了基于机器学习的混合整数规划模型，通过混合整数约束保证区间覆盖率满足置信水平，并以最小化区间宽度为训练目标，摆脱了传统电力负荷区间预测对参数化概率分布和单一分位水平的限制，具有更强的自适应性和灵活性。针对该混合整数规划模型，提出了一种基于分位数估计的整数变量缩减方法，有效减小了原始问题规模并显著提升求解效率。
一种电力负荷最优参数区间预测方法

[发明专利]一种考虑双尺度相似性的负荷曲线集成谱聚类方法-CN202010699981.9有效
发明人：万灿;徐胜蓝;于建成;曹照静 -专利权人：浙江大学
申请日： 2020-07-20 - 公布日： 2021-09-28 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种考虑双尺度相似性的负荷曲线集成谱聚类方法，该方法通过负荷差分向量的余弦距离计算负荷形态变化相似性，构造衡量负荷相似程度的双尺度相似性度量方式；通过集成聚类实现聚类性能提升以及两种度量方式的有效结合，以谱聚类作为基聚类模型生成方法，通过选取不同相似性度量方式，设置不同聚类簇数以及随机运行来保证基聚类多样性，以加权一致性矩阵与谱聚类作为聚类集成策略，聚类集成过程中采取戴维森堡丁指数DBI或新的指标MDBI作为聚类评价指标，以DBI或MDBI的倒数为权重自适应设置依据计算一致性矩阵，再以谱聚类实现最终的集成聚类划分。该方法具有优良聚类有效性与鲁棒性，并可避免单一谱聚类方法对不同数据集需要参数寻优的缺陷。
一种考虑尺度相似性负荷曲线集成谱聚类方法

1
共 7 条