电力消耗节点的行业分类信息异常识别方法和装置

    公开(公告)号:CN117609917A

    公开(公告)日:2024-02-27

    申请号:CN202311558220.1

    申请日:2023-11-21

    Abstract: 本申请涉及一种电力消耗节点的行业分类信息异常识别方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取各行业对应的行业用电模式信息和目标电力消耗节点的工作日电力负荷曲线;根据目标电力消耗节点的工作日电力负荷曲线与各行业对应的行业用电模式信息,确定目标电力消耗节点与各行业的用电模式相似度信息;根据用电模式相似度信息,确定针对目标电力消耗节点的行业匹配结果;在行业匹配结果表征匹配成功的情况下,根据行业匹配结果对应的行业分类信息与目标电力消耗节点在电力消耗节点信息管理系统中登记的行业分类信息,确定目标电力消耗节点的行业分类信息识别结果。采用本方法能够高效识别电力企业行业分类信息的异常。

    用电量预估方法、装置、计算机设备和存储介质

    公开(公告)号:CN114118617A

    公开(公告)日:2022-03-01

    申请号:CN202111480631.4

    申请日:2021-12-06

    Abstract: 本申请涉及一种用电量预估方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取待分析对象的实时用电量和历史用电量,并根据实时用电量和历史用电量对电量预估模型进行训练,以确定目标预估模型,再将包括实时用电量和部分历史用电量的参考时段的实际用电量输入目标预估模型,并由目标预估模型输出对应预估时段的预估用电量。上述方法在每次进行用电量预估时均采用实时用电量与历史用电量共同对电量预估模型进行训练,并确定目标预估模型,再由目标预估模型进行用电量预估,得到预估时段的预估用电量,实现了预估模型的在线学习,预估用电量与实时用电量之前强相关,提高了预估模型的泛化能力,相应提高了用电量预估的准确性。

    用户聚类方法、装置、设备、存储介质和程序产品

    公开(公告)号:CN117171600A

    公开(公告)日:2023-12-05

    申请号:CN202311057898.1

    申请日:2023-08-21

    Abstract: 本申请涉及一种用户聚类方法、装置、设备、存储介质和程序产品。该方法包括:根据待聚类用户在历史时间段内对应的历史负荷曲线属于初始高斯混合模型中各概率分布函数的子概率值,并根据各子概率值对初始高斯混合模型包含的概率分布函数进行调整,得到目标高斯混合模型;根据待聚类用户对应的历史负荷曲线属于目标高斯混合模型中各概率分布函数的子概率值,确定待聚类用户对应的目标负荷曲线;根据待聚类用户对应的目标负荷曲线,对待聚类用户进行聚类,并根据聚类后各类用户对应的贝叶斯信息准则值,判断聚类后的各类用户是否均达到聚类结束条件;若是,则获取对待聚类用户的聚类结果。采用本方法能够提高用户聚类准确性。

Patent Agency Ranking