-
公开(公告)号：CN111340291B
公开(公告)日：2022-09-02
申请号：CN202010118797.0
申请日：2020-02-26
Applicant: 南京邮电大学
Abstract: 一种基于云计算技术的中长期电力负荷组合预测系统及方法，该系统主要包括数据预处理部分、基于GEP的负荷预测部分、基于Elman神经网络负荷预测部分、子负荷预测模型优化组合部分。该方法上传存储电力负荷数据到云环境下的数据库中，Hadoop系统平台读取电力数据，运行分布式计算程序对数据进行筛查以及修复处理。其中分布式系统计算程序包括基于相关系数k‑means聚类算法、数据中位值滤波算法、基因表达式算法、Elman神经网络以及子负荷组合优化算法。此外利用时间、环境等特征筛选出受意外因素影响较大的负荷数据，引入这类负荷数据，可以有效避免负荷预测值与常规预测值出现较大偏差，达到扩展中长期电力负荷预测的目的，能够有效提高中长期电力负荷预测的质量。
-
公开(公告)号：CN111340065B
公开(公告)日：2022-08-09
申请号：CN202010084063.5
申请日：2020-02-08
Applicant: 南京邮电大学
IPC: G06K9/62 , G06F16/2458 , G06F16/215
Abstract: 本发明提供一种基于复杂用户行为分析的用户负荷窃电模型挖掘系统及方法，包括数据处理器、窃电嫌疑用户发现器、用户负荷曲线生成器和窃电用户诊断器，所述数据处理器与窃电嫌疑用户发现器连接，窃电嫌疑用户发现器与用户负荷曲线生成器连接，用户负荷曲线生成器与窃电用户诊断器连接。将DBSCAN密度聚类算法用于查找异常用电用户，再将模糊C均值算法运用到生成用户负荷曲线中，最终通过曲线相似度比较检测出窃电用户；充分利用了复杂用户负荷数据对用户用电行为进行分析，可以很好的检测窃电用户。
-
公开(公告)号：CN111222139B
公开(公告)日：2022-06-03
申请号：CN202010112678.4
申请日：2020-02-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于GEP优化的智能电网数据异常有效识别方法，属于电力系统信息安全领域，来解决智能电网下的数据异常识别问题；电力系统状态估计是现代能量管理系统的重要组成部分，其量测数据除了含有正常的测量噪声外，还可能含有不良数据。本发明通过使用本方法可以弥补传统方法无法完全检测的异常数据，使得电网中的不良数据得到快速有效的识别。本发明基于GEP构建的监督机器学习模型在噪声数据处理能力，结合节点能量的思想来解决智能电网下的数据异常的识别问题，根据当前有源配电网中的大量数据进行训练，在残差检测的基础上利用无功优化综合指标，比较攻击前后数据变化的方式对电网下数据异常进行有效识别，从而保证电网安全可靠的运行。
-
公开(公告)号：CN111340291A
公开(公告)日：2020-06-26
申请号：CN202010118797.0
申请日：2020-02-26
Applicant: 南京邮电大学
Abstract: 一种基于云计算技术的中长期电力负荷组合预测系统及方法，该系统主要包括数据预处理部分、基于GEP的负荷预测部分、基于Elman神经网络负荷预测部分、子负荷预测模型优化组合部分。该方法上传存储电力负荷数据到云环境下的数据库中，Hadoop系统平台读取电力数据，运行分布式计算程序对数据进行筛查以及修复处理。其中分布式系统计算程序包括基于相关系数k-means聚类算法、数据中位值滤波算法、基因表达式算法、Elman神经网络以及子负荷组合优化算法。此外利用时间、环境等特征筛选出受意外因素影响较大的负荷数据，引入这类负荷数据，可以有效避免负荷预测值与常规预测值出现较大偏差，达到扩展中长期电力负荷预测的目的，能够有效提高中长期电力负荷预测的质量。
-
公开(公告)号：CN111353153B
公开(公告)日：2022-11-01
申请号：CN202010143003.6
申请日：2020-03-04
Applicant: 南京邮电大学
Abstract: 一种基于GEP‑CNN的电网恶意数据注入检测方法，在数据量大、维度多、数据种类多的电力系统中，能够利用现有的大数据信息及时准确的检测出电网中是否存在恶意数据注入攻击，其主要包括三个部分：神经网络优化器、样本训练器、检测分类器。本发明将GEP算法加入CNN网络中，构建一个GEP‑CNN混合网络，利用GEP算法的全局搜索能力对CNN网络的初始权重进行优化，避免了卷积神经网络在学习训练过程中陷入局部最优，同时提高了神经网络学习训练的准确性。然后利用历史数据库中的历史数据进行学习训练，得到攻击数据特征库，最后对采集到的实时数据进行检测分类。以此实现电网中恶意数据的有效检测，保证电网的安全稳定运行。
-
Patent Agency Ranking
公开(公告)号：CN111340273B
公开(公告)日：2022-08-26
申请号：CN202010096168.2
申请日：2020-02-17
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于GEP参数优化XGBoost的电力系统短期负荷预测方法，属于电力系统的负荷技术领域，在信息量大的电力负荷数据中研究短期负荷预测的方法，得出待预测日的电力负荷特性，它主要包含三个部分：相似日选取、GEP算法优化参数、XGBoost模型训练及预测；其中相似日选取将关键影响因素进行权重计算，构成加权面板数据灰色关联判断矩阵。计算选取与待预测日相似度高的数据作为相似日集；GEP算法优化参数通过GEP算法将预测模型中的重要参数进行迭代遗传操作求取适应度以得到参数的最优解，提高模型的准确性；XGBoost模型训练及预测将相似日集作为训练集输入到XGBoost模型中训练以得到功能完善、预测精确的模型。最终将待预测日输入模型，得到预测值并且输出。
-
公开(公告)号：CN111340273A
公开(公告)日：2020-06-26
申请号：CN202010096168.2
申请日：2020-02-17
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于GEP参数优化XGBoost的电力系统短期负荷预测方法，属于电力系统的负荷技术领域，在信息量大的电力负荷数据中研究短期负荷预测的方法，得出待预测日的电力负荷特性，它主要包含三个部分：相似日选取、GEP算法优化参数、XGBoost模型训练及预测；其中相似日选取将关键影响因素进行权重计算，构成加权面板数据灰色关联判断矩阵。计算选取与待预测日相似度高的数据作为相似日集；GEP算法优化参数通过GEP算法将预测模型中的重要参数进行迭代遗传操作求取适应度以得到参数的最优解，提高模型的准确性；XGBoost模型训练及预测将相似日集作为训练集输入到XGBoost模型中训练以得到功能完善、预测精确的模型。最终将待预测日输入模型，得到预测值并且输出。
-
公开(公告)号：CN111340065A
公开(公告)日：2020-06-26
申请号：CN202010084063.5
申请日：2020-02-08
Applicant: 南京邮电大学
IPC: G06K9/62 , G06F16/2458 , G06F16/215
Abstract: 本发明提供一种基于复杂用户行为分析的用户负荷窃电模型挖掘系统及方法，包括数据处理器、窃电嫌疑用户发现器、用户负荷曲线生成器和窃电用户诊断器，所述数据处理器与窃电嫌疑用户发现器连接，窃电嫌疑用户发现器与用户负荷曲线生成器连接，用户负荷曲线生成器与窃电用户诊断器连接。将DBSCAN密度聚类算法用于查找异常用电用户，再将模糊C均值算法运用到生成用户负荷曲线中，最终通过曲线相似度比较检测出窃电用户；充分利用了复杂用户负荷数据对用户用电行为进行分析，可以很好的检测窃电用户。
-
公开(公告)号：CN111222139A
公开(公告)日：2020-06-02
申请号：CN202010112678.4
申请日：2020-02-24
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于GEP优化的智能电网数据异常有效识别方法，属于电力系统信息安全领域，来解决智能电网下的数据异常识别问题；电力系统状态估计是现代能量管理系统的重要组成部分，其量测数据除了含有正常的测量噪声外，还可能含有不良数据。本发明通过使用本方法可以弥补传统方法无法完全检测的异常数据，使得电网中的不良数据得到快速有效的识别。本发明基于GEP构建的监督机器学习模型在噪声数据处理能力，结合节点能量的思想来解决智能电网下的数据异常的识别问题，根据当前有源配电网中的大量数据进行训练，在残差检测的基础上利用无功优化综合指标，比较攻击前后数据变化的方式对电网下数据异常进行有效识别，从而保证电网安全可靠的运行。
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.063 seconds)
