-
公开(公告)号：CN119106390A
公开(公告)日：2024-12-10
申请号：CN202411009626.9
申请日：2024-07-26
Applicant: 南方电网数字电网研究院股份有限公司
IPC: G06F18/25 , G06F18/10 , G06F18/214 , G06Q50/06
Abstract: 本申请适用于数据处理的技术领域，提供了一种基于电力配变负荷时序数据与气象时序数据的融合方法，其方法包括先获取目标气温数据和获取目标负荷数据，然后对目标气温数据进行预处理，生成规范化气温数据，最后对目标负荷数据和规范化气温数据进行融合处理，生成目标时序数据集信息。本申请能够成功地使气象数据和变压器数据的时间分辨率保持一致，有效地减少由时序特征引起的对电力负荷预测准确率的不良影响，不仅显著地提高了电力负荷预测的准确性，而且为电力系统的稳定运行和优化调度提供了坚实的数据支持，并且还具有较强的鲁棒性和适应性，能够在不同数据环境和应用场景下保持高效性能，进一步推动电力行业的智能化和数据驱动决策的进步。
-
公开(公告)号：CN118826159A
公开(公告)日：2024-10-22
申请号：CN202410819083.0
申请日：2024-06-24
Applicant: 南方电网数字电网研究院股份有限公司
Abstract: 本发明涉及电网调度技术领域，公开了一种基于可再生能源的配电网调度控制方法及装置。该方法基于配电网的电网拓扑结构，将配电网划分为若干个区域；获取配电网的历史用电总量，并根据配电网的历史用电总量计算各区域对应的历史用电量；根据各区域对应的历史用电量建立各区域的用电量预测模型；利用各区域的用电量预测模型分别预测在预设时间周期内各区域的预测用电量；获取配电网的可再生能源出力，结合各区域的预测用电量，对各区域进行电量分配。本发明通过划分配电网区域提高了用电量预测的精准度，从而有效降低了电压浮动问题，并降低了可再生能源在传输上的损耗，提高了能源的利用率。
-
公开(公告)号：CN118939949A
公开(公告)日：2024-11-12
申请号：CN202410914339.6
申请日：2024-07-09
Applicant: 南方电网数字电网研究院股份有限公司
IPC: G06F18/15 , G06F18/2433 , G06F18/214 , G06F18/21 , G06N3/0455 , G06N3/088
Abstract: 本发明提供了一种基于电力环境的气象数据清洗方法及系统，所述方法包括：获取原始气象数据集；根据所述原始气象数据集中各个数据点的分布状况生成对应的数据分布图像；根据所述数据分布图像判断所述原始气象数据集是否存在异常值，若存在异常值，则使用预设的异常值处理方法处理所述原始气象数据集中的异常值，获得第一气象数据集，其中，所述异常值处理方法为Z‑score比较法、分位数检测法或自编码器法；检测所述第一气象数据集中的缺失值，根据检测结果使用对应的缺失值处理方法处理所述第一气象数据集中的缺失值，获得第二气象数据集；对所述第二气象数据集进行去重复处理，获得已完成数据清洗的气象数据集，提高数据的质量和可靠性。
-
公开(公告)号：CN118349933A
公开(公告)日：2024-07-16
申请号：CN202410461946.1
申请日：2024-04-17
Applicant: 南方电网数字电网研究院股份有限公司
IPC: G06F18/2433 , G06F18/214 , G06F18/15
Abstract: 本发明公开了一种基于大数据分析的配变重过载预测方法、装置及介质，属于配电变压器技术领域，方法包括：获取配变数据；利用大数据分析技术识别所述配变数据的异常数据，对所述异常数据进行清洗；对清洗后的配变数据进行预处理，生成配变样本；根据任务预测目标，计算所述配变样本的配变重过载标签，得到输入数据集；所述配变重过载标签包括：日重过载、月重过载、年重过载和不重过载；将所述输入数据集输入到stacking模型，输出配变重过载预测结果；其中，所述stacking模型包括若干个第一层预测模型和第二层预测模型；所述stacking模型由初始stacking模型根据训练数据集进行训练得到，以实现提高对配变重过载预测的计算准确性和计算效率。
-
公开(公告)号：CN118349886A
公开(公告)日：2024-07-16
申请号：CN202410461948.0
申请日：2024-04-17
Applicant: 南方电网数字电网研究院股份有限公司
IPC: G06F18/241 , G06F18/214 , G06F9/50
Abstract: 本发明公开了一种配变重过载预测方法、装置及存储介质，属于计算机技术领域，方法包括：获取负荷预测特征；根据特征重要值，筛选出若干个第一预测模型的输入数据；将各第一预测模型作为初始stacking模型的第一层模型；将输入数据作为测试时序信号数据；将测试时序信号进行划分，得到若干个任务划分；将各任务划分进行映射，生成对应的GPU任务；依次将每个GPU任务的测试时序信号存入有空闲空间的GPU内存；将GPU任务分配到各GPU，以使各GPU获取对应的GPU任务的测试时序信号输入到stacking模型中进行计算，生成配变重过载预测结果；stacking模型由初始stacking模型根据训练集进行训练得到，以提高配变重过载预测计算过程中的机器算力和计算精度。
-
Patent Agency Ranking
公开(公告)号：CN118842171A
公开(公告)日：2024-10-25
申请号：CN202410822675.8
申请日：2024-06-25
Applicant: 南方电网数字电网研究院股份有限公司
Abstract: 本发明公开了一种配电网故障处理方法及系统，包括：获取配电网的网络拓扑结构及所述配电网中各个第一配电网节点的历史供电参数，根据所述历史供电参数及所述网络拓扑结构从所述第一配电网节点中筛选出若干个用于进行配电网监控的第二配电网节点，获取每一个所述第二配电网节点所包含的电气元件的电气数据，并调用预设的故障电气数据与所述电气数据进行比对，以使根据所述比对的结果判定所述电气元件是否出现故障，当判定出现故障时，根据当前出现故障的所述电气元件确定发生故障的若干个第三配电网节点，根据所述第三配电网节点及出现故障的所述电气元件，生成所述配电网的故障解决方案，提高故障处理的效率及准确率。
-
公开(公告)号：CN118822298A
公开(公告)日：2024-10-22
申请号：CN202410825918.3
申请日：2024-06-25
Applicant: 南方电网数字电网研究院股份有限公司
IPC: G06Q10/0637 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06F18/214 , G06F18/2415 , G06F18/27 , G06N3/126
Abstract: 本发明公开了一种基于人工智能的配电网负荷预测方法、装置及介质。所述方法通过获取影响配电网负荷的实时数据集，并结合深度学习模型和多尺度时间序列分析模型进行负荷预测，其中深度学习模型是CNN和LSTM网络的融合，经过强化学习算法和历史数据集训练优化，而多尺度时间序列分析模型则是基于强化学习算法和历史数据集训练的ARIMA模型。最终，通过动态加权法对两个模型的预测结果进行加权，得到综合的配电网负荷预测结果。本申请充分利用了多种数据和模型的优势，提高了预测的准确性和可靠性。
-
公开(公告)号：CN118841984A
公开(公告)日：2024-10-25
申请号：CN202410822676.2
申请日：2024-06-25
Applicant: 南方电网数字电网研究院股份有限公司
Abstract: 本发明公开了一种基于分布式发电的配电网优化调度方法及系统，包括：获取配电网中每一个分布式电源的设备参数及目标调度时段内的环境参数，根据所述设备参数及所述环境参数预测每一个所述分布式电源在所述目标调度时段内的发电量，对所述配电网所在的区域进行划分，确定每一个所述分布式电源参与调度的目标子区域，根据所述目标子区域的用电需求和所述发电量生成每一个所述目标子区域的第一调度方案，根据所述第一调度方案生成所述配电网对应的第二调度方案，提高配电网的管理效率及稳定性。
-
公开(公告)号：CN118779633A
公开(公告)日：2024-10-15
申请号：CN202410819080.7
申请日：2024-06-24
Applicant: 南方电网数字电网研究院股份有限公司
Abstract: 本发明涉及电网技术领域，公开了一种配电网故障分析方法及装置。该方法利用部署在配电网若干个关键节点上的边缘传感器实时采集配电网数据；基于预设的故障数据库分析配电网数据，判断当前故障与聚合层之间的位置关系；若当前故障处于聚合层所对应的区域之内，则根据故障数据库分析当前故障的故障位置和故障原因；若当前故障处于聚合层所对应的区域之外，则结合历史故障数据确定配电网数据的故障特征，利用预设的故障诊断模型判断当前故障的故障类型，从而确定当前故障的故障位置和故障原因。本发明通过部署聚合层实现了故障的快速监测定位，有效降低了中心计算机的负载，提高了故障分析的效率和精确度。
-
公开(公告)号：CN118733262A
公开(公告)日：2024-10-01
申请号：CN202410822674.3
申请日：2024-06-25
Applicant: 南方电网数字电网研究院股份有限公司
Abstract: 本发明公开了一种配电网实时监控系统的负载均衡方法、装置及介质。所述方法先获取待分配任务；然后利用基于历史数据训练的线性回归模型预测任务执行时间，并使用SARIMA模型预测服务器负荷的高峰与低峰时段。在匹配阶段，系统优先选择低峰时段大于任务执行时间且负载最小的服务器，在无合适服务器时选择任务链接最少的服务器，以执行任务。本申请解决了现有技术中无法有效分配电网服务器负载的问题。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.051 seconds)
