-
公开(公告)号：CN113193551A
公开(公告)日：2021-07-30
申请号：CN202110458740.X
申请日：2021-04-27
Applicant: 长安大学
Abstract: 本发明提供了基于多因素和改进特征筛选策略的短期电力负荷预测方法包括以下步骤：步骤S1，导入原始多因素数据集和数据预处理；步骤S2，构造候选特征变量集；步骤S3，基于数据集重构和RReliefF算法的小时粒度特征筛选；步骤S4，引入基于余弦相似度的k‑means聚类标签；步骤S5，确定最终的输入变量集；步骤S6，模型训练与预测。本发明注重于短期电力负荷预测的前端数据处理，与当前的多种主流预测模型都可以结合使用，并能显著改善模型的预测精度，具有广泛的通用性。本发明能够有效解决基于小时粒度的特征变量选取规则问题，在特征变量中加入负荷曲线的形状和模式信息，通过提高前端输入数据的质量，显著提升短期电力负荷的预测性能。
-
公开(公告)号：CN113596837A
公开(公告)日：2021-11-02
申请号：CN202110776954.1
申请日：2021-07-09
Applicant: 长安大学
Abstract: 本发明提供了一种核心网选择确定方法和系统，专网小区与公网小区互相配为邻区；核心网包括专网核心网和公网核心网，专网核心网和公网核心网之间能够进行通信；专网小区为双功能小区，既能够为普通用户终端提供普通业务，也能为专网用户终端提供定制业务；公网小区为单功能小区，只能为专网用户终端和普通用户终端提供普通业务；专网小区所在的专网基站和普通核心网以及专网核心网均建立了偶联；公网小区所在的公网基站和普通核心网建立了偶联。本发明可操作性强，实现简单有效。本发明充分利用了现有流程，不需要额外增加流程，提升用户感受。
-
公开(公告)号：CN113596837B
公开(公告)日：2023-05-26
申请号：CN202110776954.1
申请日：2021-07-09
Applicant: 长安大学
Abstract: 本发明提供了一种核心网选择确定方法和系统，专网小区与公网小区互相配为邻区；核心网包括专网核心网和公网核心网，专网核心网和公网核心网之间能够进行通信；专网小区为双功能小区，既能够为普通用户终端提供普通业务，也能为专网用户终端提供定制业务；公网小区为单功能小区，只能为专网用户终端和普通用户终端提供普通业务；专网小区所在的专网基站和普通核心网以及专网核心网均建立了偶联；公网小区所在的公网基站和普通核心网建立了偶联。本发明可操作性强，实现简单有效。本发明充分利用了现有流程，不需要额外增加流程，提升用户感受。
-
公开(公告)号：CN113193551B
公开(公告)日：2023-01-24
申请号：CN202110458740.X
申请日：2021-04-27
Applicant: 长安大学
IPC: H02J3/00 , G06N3/08 , G06Q10/04 , G06Q50/06 , G06F18/23213
Abstract: 本发明提供了基于多因素和改进特征筛选策略的短期电力负荷预测方法包括以下步骤：步骤S1，导入原始多因素数据集和数据预处理；步骤S2，构造候选特征变量集；步骤S3，基于数据集重构和RReliefF算法的小时粒度特征筛选；步骤S4，引入基于余弦相似度的k‑means聚类标签；步骤S5，确定最终的输入变量集；步骤S6，模型训练与预测。本发明注重于短期电力负荷预测的前端数据处理，与当前的多种主流预测模型都可以结合使用，并能显著改善模型的预测精度，具有广泛的通用性。本发明能够有效解决基于小时粒度的特征变量选取规则问题，在特征变量中加入负荷曲线的形状和模式信息，通过提高前端输入数据的质量，显著提升短期电力负荷的预测性能。
-
-
-
Search Results
4
records
(took 0.017 seconds)
