-
公开(公告)号：CN109389238B
公开(公告)日：2022-08-09
申请号：CN201710690551.9
申请日：2017-08-14
摘要： 本发明涉及一种基于岭回归的短期负荷预测方法及装置，所述方法包括：利用历史日的气象数据及其对应的负荷数据确定训练样本；将预测日的气象数据输入至预测模型，确定预测日的负荷数据，所述预测模型为对训练样本进行岭回归训练获取的；该技术方案将气象相似系数筛选历史样本数据得到的样本作为训练预测模型的训练样本，获得所述预测模型后利用样本数据评价所述预测模型；基于利用没有无关样本干扰的样本训练获得的训练模型具有更高的精确性；预测模型经评价函数评价后再用于预测未来时间段内的台区负荷数据进一步保证了预测结果的准确度。
-
公开(公告)号：CN109389238A
公开(公告)日：2019-02-26
申请号：CN201710690551.9
申请日：2017-08-14
CPC分类号： G06Q10/04 , G06F17/18 , G06K9/6256
摘要： 本发明涉及一种基于岭回归的短期负荷预测方法及装置，所述方法包括：利用历史日的气象数据及其对应的负荷数据确定训练样本；将预测日的气象数据输入至预测模型，确定预测日的负荷数据，所述预测模型为对训练样本进行岭回归训练获取的；该技术方案将气象相似系数筛选历史样本数据得到的样本作为训练预测模型的训练样本，获得所述预测模型后利用样本数据评价所述预测模型；基于利用没有无关样本干扰的样本训练获得的训练模型具有更高的精确性；预测模型经评价函数评价后再用于预测未来时间段内的台区负荷数据进一步保证了预测结果的准确度。
-
公开(公告)号：CN111339155B
公开(公告)日：2023-12-19
申请号：CN201811551981.3
申请日：2018-12-18
申请人： 中国电力科学研究院有限公司 , 国网上海市电力公司 , 国家电网有限公司
IPC分类号： G06F18/26 , G06F18/23213 , G06Q10/063 , G06Q50/06
摘要： 本发明公开了一种关联分析系统，其包括数据获取和分类模块、数值型事务处理模块、非数值型事务处理模块、概化数据处理模块和评估输出模块，数据获取和分类模块判断事务中是否含有非数值型数据，将数据分为数值型数据集与非数值型数据集，并分别将对应的数据发送给数值型事务处理模块和非数值型事务处理模块，非数值型事务处理模块将数据利用K‑means方法对非数值型事务集进行聚类分析，并将聚类分析结果发送给概化数据处理模块，数值型事务处理模块和概化数据处理模块对数据进行处理后将处理结果发送给评估输出模块进行结果输出。本发明具有很好的鲁棒性，可以有效解决电力负荷关联分析对数据类型及低频数据考虑不足的问题。
-
公开(公告)号：CN111107493B
公开(公告)日：2022-09-02
申请号：CN201811248189.0
申请日：2018-10-25
申请人： 中国电力科学研究院有限公司 , 国网上海市电力公司 , 国家电网有限公司
IPC分类号： H04W4/029
摘要： 本发明具体涉及一种移动用户位置预测方法与系统，包括基于移动运营商的基站数据获取用户位置相关的数据，基于所述用户位置相关数据以及预先计算的所述用户轨迹的频繁轨迹，确定当前移动用户的走向预测，所述用户轨迹的频繁轨迹基于并行框架，采用FP‑Growth算法与负载均衡算法相结合的方式确定。一种移动用户位置预测方法与系统，本专利使得在每天产生大量的移动位置数据情况下，能够快速的对已有的位置预测方法对海量移动数据进行数据挖掘，快速深入挖掘移动数据的潜在信息的问题。
-
公开(公告)号：CN111340645A
公开(公告)日：2020-06-26
申请号：CN201811548317.3
申请日：2018-12-18
申请人： 中国电力科学研究院有限公司 , 国网上海市电力公司 , 国家电网有限公司
IPC分类号： G06Q50/06
摘要： 本发明公开了一种针对电力负荷的改进关联分析方法。首先，获取初始数据集，判断事务中是否含有非数值型数据，将数据分为数值型数据集与非数值型数据集；其次，利用基于熵权法的灰色关联分析方法，计算数值型影响因素对负荷变量的灰色关联度，设置关联度阈值，获取与负荷关系密切的数值型影响因素；然后，利用基于FP-Growth算法的改进关联规则挖掘方法，对包含非数值型影响因素与负荷数据进行关联规则挖掘，通过对挖掘出的关联规则进行解读得到与负荷关系密切的非数值型影响因素；最后综合输出与负荷关系密切的影响因素。本发明具有很好的鲁棒性，可以有效解决电力负荷关联分析对数据类型及低频数据考虑不足的问题。
-
公开(公告)号：CN111092425A
公开(公告)日：2020-05-01
申请号：CN201811239898.2
申请日：2018-10-24
申请人： 中国电力科学研究院有限公司 , 国网上海市电力公司 , 国家电网有限公司
IPC分类号： H02J3/00
摘要： 本发明提供了一种基于拓扑特性的网架聚类分析方法及系统，包括：基于待测区域的电网地理拓扑数据利用队列优化算法获得各网络节点间的平均距离；基于网络节点度的预设公式计算待测区域中网络节点的度；基于所述各网络节点间的平均距离和网络节点的度对所述电网地理拓扑数据进行聚类，对拓扑数据通过聚类分析将指标相近的各网络聚为一类，以便分析各类网络与其余网络中电气相关的指标或参数之间的关联关系，并利用这种关联关系作为网架优化的指导策略。
-
公开(公告)号：CN110858310A
公开(公告)日：2020-03-03
申请号：CN201810959281.1
申请日：2018-08-22
申请人： 中国电力科学研究院有限公司 , 国网上海市电力公司 , 国家电网有限公司
IPC分类号： G06K9/62
摘要： 本发明涉及一种基于配用电大数据的用户分类方法及系统，所述方法包括：利用可调控电力用户电量矩阵确定可调控电力用户电量矩阵的降维矩阵，对可调控电力用户电量矩阵的降维矩阵中用户进行分类；本发明提供的技术方案能够实现对可调控电力用户的用户分类，利用现有的电力用户数据，在对用户进行筛选后再对用户进行分类操作，可减少用户分类算法的计算量和复杂度。
-
公开(公告)号：CN110580542A
公开(公告)日：2019-12-17
申请号：CN201910698658.7
申请日：2019-07-31
申请人： 中国电力科学研究院有限公司 , 国网上海市电力公司 , 国家电网有限公司
摘要： 本发明提供一种用电量预测方法和装置，基于预先训练得到的变量获取实时数据；基于所述变量对应的实时数据采用Ridge回归法进行预测，得到用电量预测值；训练得到的变量是基于历史用电量数据、经济数据、交通数据和气象数据采用两步变量筛选得到与用电量相关度最高的变量，预测效果好，且提高了预测精度；本发明提供的技术方案应用于长期预测时，对随机波动性较大的数列拟合效果较好，而且对于数据量大的场合和数据量小的场合都适用，在数据量小的场合不会在训练集上过拟合，拟合效果较好，大大提高了预测精度；本发明提供的技术方案受随机因素的影响小，预测结果的可靠性高。
-
公开(公告)号：CN108876019A
公开(公告)日：2018-11-23
申请号：CN201810547910.X
申请日：2018-05-31
申请人： 中国电力科学研究院有限公司 , 国网上海市电力公司 , 国家电网有限公司
摘要： 本发明提供一种基于大数据的用电负荷预测方法及系统，包括：基于预测时间，获取用电区域的天气预报数据；将所述预测时间、用电区域和天气预报数据带入预先建立的预测训练模型，得到所述预测时间段内的历史预测用电负荷；所述预测训练模型包括：基于GBDT由用电负荷、时间和天气数据的训练特征数据集确定。大数据实现了将中间数据写入内存的操作，为要实现实时处理数据的系统大大提高了运算效率，通过这种大数据分析技术能够很好地弥补传统方式中不能快速地对历史的大量用电负荷数据进行获取、处理、分析和存储的问题。
-
公开(公告)号：CN118194916A
公开(公告)日：2024-06-14
申请号：CN202410155257.8
申请日：2024-02-02
申请人： 国网上海市电力公司 , 中国电力科学研究院有限公司 , 国家电网有限公司
IPC分类号： G06N3/0442 , G06N3/09 , G06Q50/06
摘要： 本发明专利申请提供了一种WDCNN‑BiLSTM的构建、负荷辨识方法及系统，包括：基于所述训练数据，训练DCNN‑BiLSTM模型的WDCNN隐藏特征提取层和BiLSTM时序特征提取层，直到训练迭代次数达到预先设置的训练迭代次数，完成WDCNN‑BiLSTM模型的训练；基于验证数据，对训练完成的WDCNN‑BiLSTM模型进行修正，完成WDCNN‑BiLSTM模型的构建；本申请WDCNN‑BiLSTM模型结合了WDCNN和BiLSTM，其中WDCNN隐藏特征提取层，有较大的感受野，BiLSTM时序特征提取层能够同时保留过去和未来的信息，从而更好地理解某一时刻前后的信息，进而能够快速从输入特征中提取时序特征，提高了实时性能和时序特征提取的能力，进而提高了在新场景下WDCNN‑BiLSTM模型的泛化能力。
-
-
-
-
-
-
-
-
-
搜索结果
191 条记录 (耗时 0.138 秒)
