一种基于深度学习模型的含分布式电源配电网电能质量预测方法[CN201811561834.4] - 浙江工业大学

专利申请

2018-12-20
公布公告

2022-03-18
授权日期

2022-03-18
终止

2032-03-15

一种基于深度学习模型的含分布式电源配电网电能质量预测方法

* 专利信息仅供参考，不具有法律效力。有效专利

注册号： CN201811561834.4 申请日期： 2018-12-20 专利主类别： H02J3/00 {{ classMap["H02J3/00"] }}

申请人名称：浙江工业大学

查看申请人名下所有专利

申请人地址：浙江省杭州市下城区潮王路18号

专利分类项目

H02J3/00 : 交流干线或交流配电网络的电路装置

G06N3/04 : 体系结构，例如，互连拓扑

G06N3/08 : 学习方法

G06Q10/04 : 预测或优化，例如线性规划、“旅行商问题”或“下料问题”

G06Q50/06 : 电力、天然气或水供应

专利注册信息

初审公告期号	2018-12-20	初审公告日期	2022-03-18
注册公告期号	2022-03-18	注册公告日期	2022-03-18
专用权期限	2022-03-18 - 2032-03-15	专利类型	发明授权
代理组织机构	杭州天正专利事务所有限公司查看该机构代理的所有专利

专利介绍

一种基于深度学习模型的含分布式电源配电网电能质量预测方法，包括：电能质量历史数据获取，含电能质量影响因素变量数据和电能质量指标数据；电能质量历史数据预处理，含数据归一化、时间序列转换、训练数据和评估数据分割；电能质量长短时记忆神经网络，即LSTM预测模型确定，含LSTM预测模型构建、参数初始化、基于训练数据实现LSTM预测模型确定；基于评估数据的预测模型性能评估；未来时段系统电能质量指标预测。本发明的优点是：1、对含DG配电网的电能质量进行了有效预测；2、在处理时间序列预测问题上能获得更高的精度；3、充分考虑到了预测模型中各个特征输入变量的影响作用。

法律进度