吴奕
- 作品数：4 被引量：5H指数：1
- 供职机构：中国科学院沈阳计算技术研究所有限公司更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于地理信息的电网检修计划仿真系统
- 本发明涉及电网检修领域，具体的说是一种基于地理信息的电网检修计划仿真系统。本发明包括：计算中心，通过设置在自身或电力调度OMS系统中的通讯模块与电力调度OMS系统通讯连接，用于获取电力调度OMS系统采集的电网检修数据，结...
- 吴奕李丹王汉军韩波李喜旺
- 文献传递
- 辽宁省科学技术奖励管理信息系统
- 李彤穆晓森吴奕李喜旺王汉军周峰马占军王学来王建志
- 辽宁省科学技术奖励管理信息系统基于“全流程网上操作”的思想，将政府，申报单位、项目申报负责人及评审单位、评审专家等整合在一个统一的网络平台上进行管理，使项目申报评审过程成为一套完整的体系结构。辽宁省科学技术奖励管理信息系...
- 关键词：
- 基于初始化非负矩阵分解的光伏发电预测被引量：1
- 2021年
- 光伏发电作为一种可再生能源发电技术,使用规模日益扩大,光伏发电的精准预测已成为数据挖掘的重要研究领域,但是光伏发电本身的随机性和不确定性使得现有的预测功率难以达到理想的高度,对电网运行的稳定性造成了不利的影响。为了探索预测日的发电功率、历史日的发电功率以及气象数据等相关因素之间的关系,解决光伏发电难以准确预测的问题,提出了基于初始化非负矩阵分解的光伏发电预测方法,将影响光伏发电的因素建立关联关系,根据模糊C均值聚类算法为预测模型的构建提供较好的初值。将此模型应用到真实数据集上,分别对两种天气情况进行了从早上7点到晚上6点15分,46个采样点的预测。通过与基本的非负矩阵分解等算法进行对比实验,表明该模型能够有效提高光伏发电预测精准度。
- 彭飞张健男张晓华王汉军吴奕陈志奎
- 关键词：光伏发电初始化非负矩阵分解算法模糊C均值聚类算法
- 基于改进深度森林的短期电力负荷预测模型被引量：4
- 2022年
- 深度学习模型通过学习数据的深层特征能够有效提高电力负荷预测的准确率,但同时也带来了超参数较多、模型可解释性差等问题。针对这些问题,文中将深度森林模型引入短期电力负荷预测领域。在多粒度级联森林模型的基础上改进了多粒度窗口扫描方法,调整窗口大小与滑动步长,使模型能够在不同时间尺度下提取电力负荷数据的周期性特征。此外,改进深度森林输出层的计算方法,将输出结果由离散的类向量改进为连续的预测值,进而提高模型的精确度。最后在中国东北电网的实测数据中验证了文中所提出方法的可行性与有效性。从实验结果可知,改进深度森林算法在较高预测精度的情况下能取得更高的准确率,并且相较于深度神经网络具有更快的学习速度。
- 彭飞马煜张晓华吴奕邓文琛陈志奎
- 关键词：电力负荷预测智能电网
