需求发布 成果发布 科创案例库 揭榜挂帅
技术路演 会议展览 科创联合体 项目申报
前沿动态 科技政策 院士开讲 青托工程
科技服务团 学术资源
试点城市(园区) 双创活动周
协作站点 学会服务
问题库 项目库 开源库
English
您所在的位置: 成果库 基于 MBG 优化的电力负荷时间序列预测方法

基于 MBG 优化的电力负荷时间序列预测方法

发布时间: 2022-10-17

来源: 试点城市（园区）

基本信息

合作方式： 技术服务
成果类型： 新技术
行业领域：
电子信息技术
成果介绍
【成果简介】本发明公开了一种基于小批量梯度下降优化(MBG)算法的电力负荷 时间序列预测方法。该方法首先采用一种组合(CM)模型对电力负荷时间序列进行建 模，然后采用一种小批量梯度下降优化(MBG)算法对 CM 模型的参数集进行在线优化， 最后通过定义的最小信息量准则来选择用于对电力负荷时间序列进行在线预测的CM 模型阶次。本发明提出方法可有效提高电力负荷时间序列预测的实时性和精确性。
成果亮点
【技术优势】本发明采用 CM 模型对电力负荷时间序列进行建模，有效避免单独 采用神经网络模型来优化电力负荷时间序列而造成的神经网络非线性参数过多、阶次较高及实时性较差的问题；同时也有效避免仅仅采用自回归模型而造成的非线性逼近能力弱的缺陷。本发明采用 MBG 优化算法对 CM 模型的参数进行在线优化，有效避免了离线参数优化方法所存在的在线预测过程中模型参数固定不变的缺点；同时与随机梯度下降优化算法相比，本发明提出的小批量梯度下降优化算法具有更高的精度。
团队介绍
周 锋 副教授，中南大学控制科学与工程专业博士，1987年出生。主要从事复杂工业过程和电力电子变换过程的系统建模及鲁棒预测控制方法研究。湖南省青年骨干教师培养对象。近几年，主持国家自然科学基金项目1项，湖南省自然科学基金项目1项,湖南省教育厅项目2项。以第一作者发表SCI期刊论文20余篇,已授权国家发明专利8项。主讲《高电压技术》《控制工程基础》，《计算机控制技术》等课程。
成果资料