光伏发电量预测领域,开发了物理约束长短期记忆神经网络(PC-LSTM)。能够将领域知识作为物理约束条件用于光伏发电量预测,在实验电站中相比于常规机器学习方法,提升了8%和12.9%的预测精度。同时提出了自适应的机器学习模型,在光伏数据存在漂移时能够保持模型效果。目前处于产品化环节,结合硬件数采设备实现可独立运行的光伏预测仪。应用场景为分布式光伏电站。
发布时间:
2023
-
09
-
01
浏览次数:20
电力负荷预测领域,开发了理论指导负荷预测模型(TgDLF)。该模型有效融合了领域知识与机器学习算法,有效提升模型精度和鲁棒性。基于北京12个区历史1362天小时级别真实电力负荷数据进行了验证,日前预测(即提前24小时预测电力负荷)准确率均值高达98.4%。相比于常规机器学习模型,TgDLF的均方误差降低了23%。
发布时间:
2023
-
07
-
11
浏览次数:11
碳管理领域,开发了深圳市碳排放实时监测平台,可以实时核算平台内企业的碳排放量,并可视化碳达峰碳中和进程。目前处于产品化环节。
发布时间:
2023
-
04
-
03
浏览次数:62
油气勘探开发领域,开发了基于可解释机器学习的工程参数优化模型InterOpt,可以针对每一口页岩气井的具体地质情况,推荐差异化压裂方案。根据中石油勘探院项目评测,模拟结果显示可以降低9.7%的页岩气开采平均成本,助力页岩油气开发的降本增效。目前算法已完成开发,正在进行试点推广。
发布时间:
2023
-
07
-
12
浏览次数:6