-
公开(公告)号：CN113723844A
公开(公告)日：2021-11-30
申请号：CN202111037192.X
申请日：2021-09-06
Applicant: 东南大学
Abstract: 本发明公开了一种基于集成学习的低压台区理论线损计算方法，包括如下步骤：从多源生数据中计算线损相关因子，并基于XGBoost进行因子贡献度评价，形成理论线损多维度影响因子集；利用网格搜索法对多机器学习模型进行超参数寻优，得到基学习器集与元学习器集；以基学习器集中的全部模型和元学习器集中的各模型分别作为第一、二层训练模型进行循环优选，构建集成学习框架下的低压台区理论线损计算的最优模型；基于测试集的计算结果进行模型的性能评估。本发明基于XGBoost进行理论线损影响因子贡献度评价，提高了理论线损与相关影响因子之间关联的可解释性；其次通过模型融合的方式有效提升了理论线损的计算精度，弥补了传统单一模型的不足。
-
公开(公告)号：CN111416441A
公开(公告)日：2020-07-14
申请号：CN202010272094.3
申请日：2020-04-09
Applicant: 东南大学
IPC: H02J13/00
Abstract: 本发明公开了一种基于GPU分层加速的电网拓扑分析方法，包括如下步骤：CPU中读入实际电网断面文件，提取电网模型为电网物理模型，进行无向图的编制，并对拓扑分析所需信息进行压缩存储并传递到GPU；GPU中调用分厂站并行拓扑分析内核函数StationBus_kernel，生成d_Visited并传递给h_Visited；将全网计算节点划分结果整理成为计算节点，编制计算节点邻接链表形成全网计算节点的邻接数组并以压缩形式储存和传递；GPU中调用系统拓扑分析函数System_Kernel_new，形成拓扑分析结果。本发明采用并行潜能较高的GPU进行大规模电网的拓扑分析，提高电网拓扑分析的实时性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN113746094A
公开(公告)日：2021-12-03
申请号：CN202111037177.5
申请日：2021-09-06
Applicant: 东南大学
Abstract: 本发明公开基于高密度数据序列匹配的低压台区户变关系识别方法，适用于辐射状拓扑低压配电台区和具备细粒度用电行为采集的低压配电台区。本发明利用低压台区配电网的结构特点和能量传递方向，提取用户侧和台变侧功率阶跃序列，通过比对用户侧和台变侧功率阶跃，寻找最优阶跃匹配序列，从而确定台区户变关系；能够适用于具备新型智能电表和高量测密度的台区，大大提高低压台区户变关系识别的准确性，并且为智能电表在低压配电网中的推广提供实时性的支持；充分利用非介入式负荷辨识终端采集的高密度低压台区量测数据，进一步提高低压台区户变关系识别的准确性和置信度，大幅降低台区拓扑识别的运算分析时间。
-
公开(公告)号：CN111416441B
公开(公告)日：2021-08-10
申请号：CN202010272094.3
申请日：2020-04-09
Applicant: 东南大学
IPC: H02J13/00
Abstract: 本发明公开了一种基于GPU分层加速的电网拓扑分析方法，包括如下步骤：CPU中读入实际电网断面文件，提取电网模型为电网物理模型，进行无向图的编制，并对拓扑分析所需信息进行压缩存储并传递到GPU；GPU中调用分厂站并行拓扑分析内核函数StationBus_kernel，生成d_Visited并传递给h_Visited；将全网计算节点划分结果整理成为计算节点，编制计算节点邻接链表形成全网计算节点的邻接数组并以压缩形式储存和传递；GPU中调用系统拓扑分析函数System_Kernel_new，形成拓扑分析结果。本发明采用并行潜能较高的GPU进行大规模电网的拓扑分析，提高电网拓扑分析的实时性和稳定性。
-
公开(公告)号：CN113723844B
公开(公告)日：2024-04-19
申请号：CN202111037192.X
申请日：2021-09-06
Applicant: 东南大学
IPC: G06Q10/0639 , G06F18/214 , G06V10/40 , G06Q50/06
Abstract: 本发明公开了一种基于集成学习的低压台区理论线损计算方法，包括如下步骤：从多源生数据中计算线损相关因子，并基于XGBoost进行因子贡献度评价，形成理论线损多维度影响因子集；利用网格搜索法对多机器学习模型进行超参数寻优，得到基学习器集与元学习器集；以基学习器集中的全部模型和元学习器集中的各模型分别作为第一、二层训练模型进行循环优选，构建集成学习框架下的低压台区理论线损计算的最优模型；基于测试集的计算结果进行模型的性能评估。本发明基于XGBoost进行理论线损影响因子贡献度评价，提高了理论线损与相关影响因子之间关联的可解释性；其次通过模型融合的方式有效提升了理论线损的计算精度，弥补了传统单一模型的不足。
-
公开(公告)号：CN113746094B
公开(公告)日：2024-04-12
申请号：CN202111037177.5
申请日：2021-09-06
Applicant: 东南大学
Abstract: 本发明公开基于高密度数据序列匹配的低压台区户变关系识别方法，适用于辐射状拓扑低压配电台区和具备细粒度用电行为采集的低压配电台区。本发明利用低压台区配电网的结构特点和能量传递方向，提取用户侧和台变侧功率阶跃序列，通过比对用户侧和台变侧功率阶跃，寻找最优阶跃匹配序列，从而确定台区户变关系；能够适用于具备新型智能电表和高量测密度的台区，大大提高低压台区户变关系识别的准确性，并且为智能电表在低压配电网中的推广提供实时性的支持；充分利用非介入式负荷辨识终端采集的高密度低压台区量测数据，进一步提高低压台区户变关系识别的准确性和置信度，大幅降低台区拓扑识别的运算分析时间。
-
公开(公告)号：CN114548315A
公开(公告)日：2022-05-27
申请号：CN202210200201.0
申请日：2022-03-02
Applicant: 东南大学
Abstract: 本发明公开基于改进半监督技术的电力居民用户画像建立方法，画像建立方法包括：获取部分电力居民用户的个人信息，并通过非介入式电表获取居民用户的细粒度用电数据。进行数据清洗与处理后形成多维用电标签体系，并基于细粒度用电数据提取各电力用户的用电特征量。针对每个家庭属性特征分别生成一个多分类TSVM半监督分类器，并通过改进SFSE算法对用电特征进行特征选择，以确定用电行为特征与家庭属性特征之间的映射关系。然后通过已训练的分类器通过用电数据对无家庭属性标签的用户进行识别，最终形成完整的电力用户三级标签画像体系。本发明画像建立方法有助于电力企业全面了解电力用户，实现电力用户精细化管理。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
