基本信息:
- 专利标题： 一种基于Koopman时序延拓的频率预测方法和装置
- 申请号：CN202410957978.0 申请日：2024-07-17
- 公开(公告)号：CN118839610A 公开(公告)日：2024-10-25
- 发明人： 姚伟 , 杨雨昕 , 韦善阳 , 周泓宇 , 艾小猛 , 文劲宇
- 申请人： 华中科技大学
- 申请人地址： 湖北省武汉市洪山区珞喻路1037号
- 专利权人： 华中科技大学
- 当前专利权人： 华中科技大学
- 当前专利权人地址： 湖北省武汉市洪山区珞喻路1037号
- 代理机构： 华中科技大学专利中心
- 代理人： 尹丽媛
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06N3/0464 ; G06N3/08 ; G06N20/20 ; G06F18/2431
摘要：
本发明公开了一种基于Koopman时序延拓的频率预测方法和装置，属于电力系统管理技术领域，所述频率预测方法，在扰动后短时间内采集当前暂态运行数据，基于Koopman算子理论对当前暂态运行数据进行时序延拓，获得长时间的特征序列数据，最后将延拓后的数据输入到目标频率预测模型中进行频率预测；其中，目标频率预测模型是以历史暂态运行数据为输入，以历史暂态运行数据对应的频率偏移极值为输出对初始频率预测模型进行训练得到。相比于传统的深度学习网络预测算法，本发明结合Koopman算子理论对每种时序特征进行数据延拓，能够将发生扰动后短时间内的暂态运行数据延拓为长时间特征数据，可以在保障模型预测精度的同时兼顾预测速率。
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |