龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：国网吉林省电力有限公司电力科学研究院;四川大学
申请日：2023-09-01
公开（公告）日：2024-05-14
公开（公告）号：CN118040640A
主分类号：H02J3/00
分类号：H02J3/00;G06Q50/06;G06N3/042;G06N3/0464;G06N3/096;G06N3/048;G06N3/0442
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.31#实质审查的生效;2024.05.14#公开
摘要：本发明涉及考虑梯级水电上下游关联与贫资料的小水力发电预测方法，属于梯级水电站技术领域，通过构建水电站之间的拓扑网络，并使用图迁移学习技术将源水电站的知识迁移到目标水电站上，可以更好地捕捉上下游之间的关联关系，并有效地提升发电预测的性能。该方法不仅可以弥补数据稀缺性带来的问题，还可以减少对大量训练样本的需求。同时还引入远程迁移的思想，令源域数据中不同相似度的序列得到分别的针对性处理。现有的研究成果表明，充分考虑水电站上下游之间的关联关系可以提高发电预测的准确性和可靠性，针对低相似度源域的远程迁移学习也能够提高模型的泛化性。相比现有预测算法，本发明所提预测方面更加准确和稳定。
主权项：1.考虑梯级水电上下游关联与贫资料的小水力发电预测方法，其特征在于，包括以下步骤：步骤1、分析水电站之间的拓扑连接特征并利用拓扑连接特征进行发电预测任务，将水电站的上下游连接转化为适合图神经网络的拓扑矩阵表示；步骤2、使用远程迁移学习将源水电站的知识迁移到目标水电站上，可捕捉上下游之间的关联关系；步骤3、引入远程迁移的思想，令源域数据中不同相似度的序列得到分别的针对性处理；得到基于图卷积远程迁移学习流程框架，最终通过基于图卷积远程迁移学习流程框架进行预测。
全文数据：
权利要求：
百度查询： 国网吉林省电力有限公司电力科学研究院;四川大学 考虑梯级水电上下游关联与贫资料的小水力发电预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号