-
公开(公告)号：CN114398924A
公开(公告)日：2022-04-26
申请号：CN202111571652.7
申请日：2021-12-21
Applicant: 国网电力科学研究院有限公司 , 国电南瑞南京控制系统有限公司 , 国电南瑞科技股份有限公司 , 国家电网有限公司 , 国网山东省电力公司
Abstract: 本发明公开了一种综合能源计量工况提取方法，包括将综合能源计量工况信号输入工况一维卷积网络模型得到综合能源计量的第一特征向量；将图像化的综合能源计量工况信号输入工况一维卷积网络模型得到综合能源计量的第二特征向量；根据第一特征向量和第二特征向量得到成综合能源计量的工况降维特征向量，本发明具有更高的工况分类准确率。一方面，该工况特征提取方法可以针对性提取工况信号特征以及工况矩阵特征，并可以通过分类算法优化特征数据，具有更强的理论基础。另一方面，该方法具体很强的非线性能力，能够在各类工况场景下有效提取特征，操作步骤简单，运算速度快，拥有较好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN114154753A
公开(公告)日：2022-03-08
申请号：CN202111553468.X
申请日：2021-12-17
Applicant: 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司 , 国网电力科学研究院有限公司
Abstract: 本发明公开了一种负荷预测方法，包括对获取的历史负荷数据和待预测负荷的时间数据进行预处理；构建并行长短期记忆负荷预测模型；通过预处理后的历史负荷数据对长短期记忆负荷预测模型进行优化训练；通过训练好的长短期记忆负荷预测模型对负荷进行预测，本发明在保证模型稳定性的条件下充分利用历史负荷序列中的隐含信息，提高预测准确性，并尽量提高模型训练速度。
-
公开(公告)号：CN119539271A
公开(公告)日：2025-02-28
申请号：CN202411646227.3
申请日：2024-11-18
Applicant: 国网电力科学研究院有限公司 , 国电南瑞南京控制系统有限公司 , 国网北京市电力公司 , 国网上海市电力公司
IPC: G06Q10/063 , G06Q10/04 , G06Q50/26 , G06F18/27 , G06F18/213 , G06F18/241 , G06F17/14 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了基于经验模态分解和神经网络的碳排放权预测方法及系统，方法包括：获取不同时间的碳排放权数据并进行预处理；对预处理后的碳排放权数据进行经验模态分解，以提取序列特征；利用卷积神经网络对序列特征进行回归学习，学习序列特征和价格标签的非线性关系，并根据非线性关系构建碳排放权预测模型；以连续时间断面的碳排放权数据作为碳排放权预测模型的输入，输出未来时间断面的碳排放权数据，实现由当前时间断面的碳排放权数据预测未来时间断面的情况。本发明能够更好地适应信号的非线性和非平稳特性，CNN结构中的卷积层和池化层使得模型能够捕获图像中的局部特征，具有实现简单、预测精度高的优点。
-
公开(公告)号：CN119249866A
公开(公告)日：2025-01-03
申请号：CN202411243473.4
申请日：2024-09-05
Applicant: 国网电力科学研究院有限公司 , 国电南瑞南京控制系统有限公司 , 国网北京市电力公司 , 国网上海市电力公司
IPC: G06F30/27 , G06F18/214 , G06N3/084 , G06N7/01 , G06F18/22 , G06F18/24 , G06Q50/06 , G06N3/048 , G06N3/0455
Abstract: 本发明公开了一种基于扩散网络的综合能源系统负荷场景生成方法及系统，涉及综合能源系统运行与分析技术领域，方法包括：获取综合能源系统负荷数据，建立多因素电力负荷样本数据集合并进行预处理，得到原始数据集；构建扩散网络模型，将原始数据集使用扩散网络模型训练，通过正向去噪与反向生成过程恢复出高质量数据，生成模拟负荷数据；将生成的模拟负荷数据与原始数据集进行相似度比较，筛选出高质量模拟负荷数据，作为最终的负荷场景数据；本发明提供的扩散模型能够生成高质量、高分辨率的样本，同时利用余弦相似度对生成数据进行判别和筛选，实现高质量的数据生成。
-
公开(公告)号：CN114154732A
公开(公告)日：2022-03-08
申请号：CN202111492802.5
申请日：2021-12-08
Applicant: 国电南瑞科技股份有限公司 , 国电南瑞南京控制系统有限公司 , 南瑞集团有限公司
Abstract: 本发明公开了一种长期负荷预测方法及系统，包括：获取待预测时间电力负荷的气象数据；对待预测时间电力负荷的气象数据进行预处理，得到去除异常值的数据；利用深度学习特征提取网络进行特征提取，得到深度特征，将深度特征输入到预先离线训练好的基于电力负荷的回归学习模型，得到电力负荷预测值。优点：本发明通过预处理降低噪声对预测的影响，通过深度学习网络自动提取指纹的深度信息，从而能够获得更好的特征表示，提高离线阶段的学习效率，进而提高预测性能。
-
公开(公告)号：CN114330814A
公开(公告)日：2022-04-12
申请号：CN202111324025.3
申请日：2021-11-10
Applicant: 国电南瑞南京控制系统有限公司 , 国电南瑞科技股份有限公司 , 国网浙江省电力有限公司台州供电公司 , 国网浙江省电力有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于VMD分解和改进双层BILSTM网络的短期负荷预测方法，构建改进双层BiLSTM网络负荷预测模型，设置超参数，利用训练集、验证集对改进双层BiLSTM网络负荷预测模型进行训练，获取网络参数，得到训练后的改进双层BiLSTM网络负荷预测模型；将历史时刻对应的负荷序列、VMD分解后的负荷子序列、温度序列输入到训练后的改进双层BiLSTM网络负荷预测模型，得到t+1时刻负荷的预测结果。本发明将复杂的负荷时间序列分解为频率更加集中、周期性更突出的若干子序列。有效降低了训练误差、提高了训练稳定性。提高预测模型的训练速度，保证模型误差的收敛趋势，避免陷入局部最优。
-
-
-
-
-
Search Results
6
records
(took 0.087 seconds)
