-
公开(公告)号：CN118820782A
公开(公告)日：2024-10-22
申请号：CN202410839798.2
申请日：2024-06-26
Applicant: 广东电网有限责任公司珠海供电局
IPC: G06F18/214 , G06F18/21 , G06N3/08 , G06F40/20
Abstract: 本发明公开了一种文本处理方法、装置、电子设备、存储介质和程序产品。其中，该方法包括：获取待处理文本；基于目标神经网络模型对待处理文本进行处理，得到文本处理结果，其中，文本处理结果用于表征第一最优化问题的目标可行点；其中，目标神经网络用于表征基于模型训练数据集对初始神经网络模型进行训练得到的模型，模型训练数据集用于表征基于第二最优化问题、不等式约束集合的可行性检测结果，以及不等式约束集合构建出的数据集，不等式约束集合用于表征对第二最优化问题的至少一个不等式约束进行排列组合得到的集合。本发明解决了相关技术中确定待处理文本中最优化问题的可行点的准确度低的技术问题。
-
公开(公告)号：CN106203853A
公开(公告)日：2016-12-07
申请号：CN201610561742.0
申请日：2016-07-13
Applicant: 广东电网有限责任公司
CPC classification number: G06Q10/06398 , G06Q50/06
Abstract: 本发明公开一种电力营销稽查抽样比例的确定方法及装置，包括：获取目标二级抽样类别的全局业务量；获取所述目标二级抽样类别的最低抽样比例；获取所述目标二级抽样类别的被稽查单位实际业务量；利用抽查比例确定规则，及所述全局业务量、所述最低抽样比例和所述被稽查单位实际业务量，确定所述目标二级抽样类别的实际抽样比例。可见，在本实施例中，这种根据全局业务量、最低抽样比例和被稽查单位实际业务量确定实际抽样比例的方式，能使稽查人员在制定工作计划和抽取稽查样本时，准确、快速地设定和调整抽样比例，避免复杂的计算转换，提高工作效率；本发明还公开了一种电力营销稽查抽样比例的确定方法及系统，同样能实现上述技术效果。
-
公开(公告)号：CN119209520A
公开(公告)日：2024-12-27
申请号：CN202411394213.7
申请日：2024-10-08
Applicant: 广东电网有限责任公司珠海供电局
IPC: H02J3/00 , G06F18/214 , G06N20/20
Abstract: 本申请涉及一种电力负荷异常值预测方法，本申请中用于输入预测模型的数据包括待预测地区在周期内的气象数据、节假日数据和各产业的用电负荷数据，通过引入气象数据、节假日数据可以在一定程度上减少第三方因素对预测结果的影响，提高预测准确率。同时本申请中通过不同的模型分别训练电力负荷正常值数据和电力负荷异常值数据，将训练完成的模型进行拟合，得到预测模型，最终的预测模型可以结合不同模型的优点，从而提高预测准确率。
-
公开(公告)号：CN119721347A
公开(公告)日：2025-03-28
申请号：CN202411788226.2
申请日：2024-12-06
Applicant: 广东电网有限责任公司珠海供电局
Abstract: 本发明涉及一种用户用电短期日电量二重分解方法、装置及存储介质，应用于电力系统负荷预测技术领域，包括：通过特征辨识技术从历史数据中提取关键的特征数据，利用特征数据采用回归周期分解法获取趋势分量和周期分量，以及采用经验模态分解获取随机分量，并针对每个分量采用不同的预测模型进行预测，最后，结合深度学习技术和集成学习技术，将各分量的预测结果进行有效融合，以提高预测精度和鲁棒性，本申请的方法通过准确识别影响产业用户短期日电量的关键因素，并捕捉电量变化的细微特征和规律，从而构建更为精确的预测模型，满足了电网营销部门对电量预测的高精度和时效性要求，为电力市场的运营和决策提供有力支持。
-
公开(公告)号：CN119106389A
公开(公告)日：2024-12-10
申请号：CN202410992572.6
申请日：2024-07-23
Applicant: 广东电网有限责任公司珠海供电局
IPC: G06F18/25 , G06F18/2431 , G06F30/27 , G06F119/02
Abstract: 本发明公开了一种基于条件扩散模型的负荷数据合成方法及装置。其中，该方法包括：获取目标对象的负荷合成需求和用电偏好信息；根据负荷合成需求和用电偏好信息确定进行负荷合成的条件信息；根据条件信息确定进行负荷合成所需负荷数据的历史时间段，并获取目标对象在历史时间段内的负荷数据；利用条件信息对扩散模型进行扩展，得到条件扩散模型；通过条件扩散模型对负荷数据进行处理，得到负荷数据的合成负载曲线，其中，合成负载曲线用于展示目标对象在历史时间段内的用电情况。本发明解决了相关技术中传统的负荷数据合成方法难以灵活适应不同用户的个性化需求的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN118983809A
公开(公告)日：2024-11-19
申请号：CN202411000181.8
申请日：2024-07-24
Applicant: 广东电网有限责任公司珠海供电局
Abstract: 本公开涉及电力系统技术领域，提供一种基于神经网络的最优潮流求解方法及装置，该方法包括：根据待求解的最优潮流问题获取第一最优潮流模型，第一最优潮流模型预先构建；根据第一最优潮流模型构建第一神经网络，其中，所述第一神经网络的输入为所述第一最优潮流模型的输入，所述第一神经网络的输出为所述最优潮流问题的最优决策变量和所述最优决策变量的质量评估量；对所述第一神经网络进行训练，得到第二最优潮流模型；利用所述第二最优潮流模型求解所述最优潮流问题。本公开能够快速、有效地求解最优潮流问题，提高最优决策变量预测的准确性；且无需使用训练数据训练第二最优潮流模型，在保证训练效果的前提下，加快神经网络的训练速度。
-
公开(公告)号：CN118822098A
公开(公告)日：2024-10-22
申请号：CN202411000179.0
申请日：2024-07-24
Applicant: 广东电网有限责任公司珠海供电局
IPC: G06Q10/063 , G06Q10/04 , G06Q30/0201 , G06Q50/06 , G06Q50/26 , H02J3/46 , H02J3/38
Abstract: 本发明公开了一种能源系统优化方法、装置及电子设备。其中，该方法涉及能源领域，包括：获取能源系统的多个优化目标；基于多个优化目标，构建能源系统的多目标优化模型；利用鲸鱼优化算法对多目标优化模型进行求解，得到能源系统的控制策略；基于控制策略对能源系统的运行方式和配置进行优化。本发明解决了由于能源系统的优化方法较为片面造成的能源系统的优化结果较差的技术问题。
-
公开(公告)号：CN106203852A
公开(公告)日：2016-12-07
申请号：CN201610561685.6
申请日：2016-07-13
Applicant: 广东电网有限责任公司
CPC classification number: G06Q10/06 , G06F16/2457
Abstract: 本发明公开了一种在线稽查规则确定方法，包括：根据代码类型选取指令，从检索代码库中选取目标代码字段；其中，检索代码库是从客户用电档案中选取具有逻辑判断意义的信息字段；根据判断规则确定指令，确定目标代码字段的判断规则，生成与目标代码字段对应的目标稽查规则。可见，稽查人员能利用上述确定方法，自定义地创建在线稽查规则，实现在线稽查规则的快速、灵活配置功能。从而大大减少对专业IT技术人员的依赖，降低开发成本，解决在电力营销系统快速增加、调整和部署在线稽查规则的技术瓶颈，拓展电力营销稽查技术手段，提高工作效率。本发明还公开了一种在线稽查规则确定装置、业务处理方法及系统，同样能实现上述技术效果。
-
公开(公告)号：CN208174187U
公开(公告)日：2018-11-30
申请号：CN201820633125.1
申请日：2018-04-28
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司珠海供电局
Abstract: 本实用新型涉及电能计量接线盒的技术领域，更具体地，涉及一种具备防雷功能的电能计量接线盒，包括上盖、接线盒、下盖以及防雷装置，所述上盖、下盖连接于接线盒的两端；所述接线盒包括盒体、底板以及若干组设于盒体内侧的电流回路和电压回路，所述底板与下盖之间设有能够容纳防雷装置的容置空腔，所述接线盒设有电源输入接口、信号通道以及天馈通道，所述防雷装置与电源输入接口、信号通道、天馈通道间设有连接线，所述连接线通过气放管与地连接。本实用新型不仅集电源防雷、串口防雷、天馈防雷于一体，保证电能计量接线盒的安全；而且能够防误接线、错接线和漏接线，有效避免因操作失误而造成的配网电能计量表的损坏和人身触电事故。
-
公开(公告)号：CN210899171U
公开(公告)日：2020-06-30
申请号：CN201921932489.0
申请日：2019-11-08
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司珠海供电局
Abstract: 本实用新型提供一种低压集抄现场运维装置。一种低压集抄现场运维装置，包括噪声耦合单元和高频采集信号处理器，所述噪声耦合单元与所述高频采集信号处理器通信连接。本实用新型能够实现微分时间段的低压电力线噪声的特性分析和载波信道的通信状况分析。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.033 seconds)
