一种基于大数据分析的配变重过载预测方法、装置及介质

    公开(公告)号:CN118349933A

    公开(公告)日:2024-07-16

    申请号:CN202410461946.1

    申请日:2024-04-17

    Abstract: 本发明公开了一种基于大数据分析的配变重过载预测方法、装置及介质,属于配电变压器技术领域,方法包括:获取配变数据;利用大数据分析技术识别所述配变数据的异常数据,对所述异常数据进行清洗;对清洗后的配变数据进行预处理,生成配变样本;根据任务预测目标,计算所述配变样本的配变重过载标签,得到输入数据集;所述配变重过载标签包括:日重过载、月重过载、年重过载和不重过载;将所述输入数据集输入到stacking模型,输出配变重过载预测结果;其中,所述stacking模型包括若干个第一层预测模型和第二层预测模型;所述stacking模型由初始stacking模型根据训练数据集进行训练得到,以实现提高对配变重过载预测的计算准确性和计算效率。

    一种配变重过载预测方法、装置及存储介质

    公开(公告)号:CN118349886A

    公开(公告)日:2024-07-16

    申请号:CN202410461948.0

    申请日:2024-04-17

    Abstract: 本发明公开了一种配变重过载预测方法、装置及存储介质,属于计算机技术领域,方法包括:获取负荷预测特征;根据特征重要值,筛选出若干个第一预测模型的输入数据;将各第一预测模型作为初始stacking模型的第一层模型;将输入数据作为测试时序信号数据;将测试时序信号进行划分,得到若干个任务划分;将各任务划分进行映射,生成对应的GPU任务;依次将每个GPU任务的测试时序信号存入有空闲空间的GPU内存;将GPU任务分配到各GPU,以使各GPU获取对应的GPU任务的测试时序信号输入到stacking模型中进行计算,生成配变重过载预测结果;stacking模型由初始stacking模型根据训练集进行训练得到,以提高配变重过载预测计算过程中的机器算力和计算精度。

    模型-数据混合驱动的电力系统调度方法及系统

    公开(公告)号:CN118316018A

    公开(公告)日:2024-07-09

    申请号:CN202410342904.6

    申请日:2024-03-25

    Abstract: 本申请涉及一种模型‑数据混合驱动的电力系统调度方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:基于预设的物理模型和数学优化方程获取预设需求的最优解并将所述最优解设置为专家策略;基于所述专家策略构建用于模仿专家策略的调度模型并对所述调度模型进行训练;构建高斯混合模型并对调度环境进行判断,若调度环境与预设的样本池中的已有样本相似,则基于训练后的调度模型进行调度操作;否则,直接调用专家策略进行调度操作。采用本方法能够在智能体训练阶段,利用生成对抗网络的对抗思想,构建生成对抗模仿学习智能体,使强化学习智能体直接学习专家策略方法,减少盲目探索,提高智能体的训练效率。

    电力系统潮流确定方法、装置、计算机设备和存储介质

    公开(公告)号:CN118281878A

    公开(公告)日:2024-07-02

    申请号:CN202410253344.7

    申请日:2024-03-06

    Abstract: 本申请涉及一种电力系统潮流确定方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:将待计算电力系统的潮流状态数据,输入预训练的修正因子预测模型中,得到目标修正因子;将预设的初始近似结果作为当前近似结果,确定潮流方程组在当前近似结果上的雅可比矩阵和海森矩阵;根据目标修正因子、雅可比矩阵和海森矩阵,确定修正后的雅可比矩阵;根据修正后的雅可比矩阵,得到新的当前近似结果,并跳转至确定潮流方程组在当前近似结果上的雅可比矩阵和海森矩阵的步骤,直到当前近似结果符合预设结束条件,将符合预设结果条件的当前近似结果,作为待计算电力系统的目标潮流确定结果。采用本方法能够提高电力系统潮流计算效率。

Patent Agency Ranking