-
公开(公告)号：CN117909928B
公开(公告)日：2024-05-28
申请号：CN202410310985.1
申请日：2024-03-19
Applicant: 国网四川省电力公司成都供电公司
IPC: G06Q10/04 , G06F18/213 , G06N3/08 , G06Q50/06
Abstract: 本申请提供一种基于大数据分析的空调负荷预测方法及系统，通过构建包含能耗矢量提取网络、气象影响因子提取网络和特征融合校准网络的空调负荷预测模型，实现了对空调能耗的高效准确预测，首先基于过往能耗数据和扩展气象数据生成扩展样例学习数据序列和多元样例学习数据序列，然后利用这些数据进行模型训练。在训练过程中，特征融合校准网络对扩展模板和样例学习数据的能耗点状态描述进行特征融合校准，生成优化的扩展模板和样例学习数据的优化能耗点状态描述，从而提高了模型的预测精度。最终，通过训练得到的目标空调负荷预测模型可用于预测候选空调能耗大数据的负荷预测热力图，为空调系统的优化运行和能源管理提供了有力支持。
-
公开(公告)号：CN117909928A
公开(公告)日：2024-04-19
申请号：CN202410310985.1
申请日：2024-03-19
Applicant: 国网四川省电力公司成都供电公司
IPC: G06F18/25 , G06F18/213 , G06N3/08 , G06Q50/06 , G06Q10/04
Abstract: 本申请提供一种基于大数据分析的空调负荷预测方法及系统，通过构建包含能耗矢量提取网络、气象影响因子提取网络和特征融合校准网络的空调负荷预测模型，实现了对空调能耗的高效准确预测，首先基于过往能耗数据和扩展气象数据生成扩展样例学习数据序列和多元样例学习数据序列，然后利用这些数据进行模型训练。在训练过程中，特征融合校准网络对扩展模板和样例学习数据的能耗点状态描述进行特征融合校准，生成优化的扩展模板和样例学习数据的优化能耗点状态描述，从而提高了模型的预测精度。最终，通过训练得到的目标空调负荷预测模型可用于预测候选空调能耗大数据的负荷预测热力图，为空调系统的优化运行和能源管理提供了有力支持。
-
公开(公告)号：CN117808329A
公开(公告)日：2024-04-02
申请号：CN202311452490.4
申请日：2023-11-01
Applicant: 国网四川省电力公司成都供电公司
IPC: G06Q10/0639 , G06Q50/06
Abstract: 本发明公开了中小学教学用电执行异常监测方法、系统、设备及介质，涉及异常用电行为监测领域，其技术方案要点是：获取多所学校在一个连续时间段的日用电量数据；根据连续时间段所包含的日期属性和日用电量数据，计算出每个学校与日期属性对应的平均用电量；根据平均用电量，计算每个学校的用电量特征值；计算用电量特征值各自的数值区间；根据数值区间和用电量特征值，计算出用电量特征值偏离各自数值区间的偏离度；根据用电量特征值偏离各自数值区间的偏离度，构建学校用电行为异常的监测模型；基于所述监测模型输出的监测值对应的分布区间，监测学校的用电行为。本发明解决了针对学校的教学用电行为异常无法准确监测的问题。
-
公开(公告)号：CN118780503A
公开(公告)日：2024-10-15
申请号：CN202411259419.9
申请日：2024-09-10
Applicant: 国网四川省电力公司成都供电公司
IPC: G06Q10/063 , G06Q50/06 , G06F40/216 , G06F40/284
Abstract: 本发明公开了一种基于智能标签的电力数据分析方法，属于电力数据分析技术领域，包括以下步骤：S1、获取电力运行报告，并根据电力运行报告生成智能电力标签库；S2、基于智能电力标签库，确定电力运行报告的重点分析片段；S3、根据电力运行报告的重点分析片段，确定电力运行报告的分析结果。本发明利用智能电力标签库对电力运行报告的每个段落进行匹配，有效筛选重点分析片段，将重点分析片段的关键词作为最终的分析结果，可以让用户在获得该电力运行报告时快速且及时地先抓取重点内容阅读，提高阅读效率和工作效率。
-
Patent Agency Ranking
公开(公告)号：CN118644277B
公开(公告)日：2024-10-11
申请号：CN202411102906.4
申请日：2024-08-13
Applicant: 国网四川省电力公司成都供电公司
IPC: G06Q30/0202 , G06Q50/06 , G06F16/901
Abstract: 本申请提供一种基于AI大模型的电力营销数据分析方法及系统，通过获取并转化电力营销反馈数据为图嵌入表示数据，接着利用这些图嵌入表示数据初步预测反馈需求，得出与营销反馈相关的知识点及其概率。然后，通过图嵌入表示数据中的反馈节点和概率值来确定影响因子。进一步地，提取符合业务逻辑规则的图嵌入表示单元，并结合影响因子集成数据，生成与反馈需求知识点相关的参考数据，并以此创建一个可视化空间来反映电力营销反馈数据的特征点权重分布。最后，通过集成电力营销反馈数据和可视化空间，进行更高级的反馈需求知识点预测，以更准确地识别与电力营销反馈数据相关的目标反馈需求知识点。
-
公开(公告)号：CN114021852A
公开(公告)日：2022-02-08
申请号：CN202111423953.5
申请日：2021-11-26
Applicant: 国网四川省电力公司成都供电公司
Abstract: 本发明公开了一种基于电力数据的经济预测方法及预测系统，获取k条第一数据信息；任意选择一条第一数据信息，并采用熵权法对第一数据信息进行处理，获得一个权重，直到遍历完k条第一数据信息，获得k个权重；构建第一LSTM模型，将k个权重作为样本集，输入到所述第一LSTM模型中进行训练，获得第k+1季度的第一预测数据值；对第一预测数据值反归一化处理，获得第二预测数据值。本发明的有益效果为通过构建的第二LSTM模型，将历史获取的电力数据结合起来对未来的经济指数进行预测，提高了对未来季度发生的经济指数的准确性，减少了预测的经济指数与实际经济指数之间的偏差。
-
公开(公告)号：CN119295141B
公开(公告)日：2025-02-25
申请号：CN202411804643.1
申请日：2024-12-10
Applicant: 国网四川省电力公司成都供电公司
IPC: G06Q30/0202 , G06Q50/06 , G06F18/22 , G06F18/25 , G06N3/08 , G06F123/02 , G06N3/084
Abstract: 本发明提供一种基于AI的用户用能画像分析方法及系统，通过结合模板用户用能行为数据和补充用能画像描述向量序列，对初始化的用户用能画像分析模型进行循环优化，不仅提高了用户用能行为分析的准确性，还实现了对目标用户用能行为的深度画像描述，并且通过计算目标用能画像描述向量与补充用能画像描述向量之间的特征距离，并选取最小距离对应的模板用能画像标签作为目标用户的标签，本发明能够高效且精准地识别并标注目标用户的用能行为特征。此外，在每个模型参数优化阶段，通过预测用能画像描述向量集合与补充用能画像描述向量集合之间的关联性来确定用能画像描述误差，并据此更新模型参数，进一步提升了模型的训练效率和泛化能力。
-
公开(公告)号：CN119295141A
公开(公告)日：2025-01-10
申请号：CN202411804643.1
申请日：2024-12-10
Applicant: 国网四川省电力公司成都供电公司
IPC: G06Q30/0202 , G06Q50/06 , G06F18/22 , G06F18/25 , G06N3/08 , G06F123/02 , G06N3/084
Abstract: 本发明提供一种基于AI的用户用能画像分析方法及系统，通过结合模板用户用能行为数据和补充用能画像描述向量序列，对初始化的用户用能画像分析模型进行循环优化，不仅提高了用户用能行为分析的准确性，还实现了对目标用户用能行为的深度画像描述，并且通过计算目标用能画像描述向量与补充用能画像描述向量之间的特征距离，并选取最小距离对应的模板用能画像标签作为目标用户的标签，本发明能够高效且精准地识别并标注目标用户的用能行为特征。此外，在每个模型参数优化阶段，通过预测用能画像描述向量集合与补充用能画像描述向量集合之间的关联性来确定用能画像描述误差，并据此更新模型参数，进一步提升了模型的训练效率和泛化能力。
-
公开(公告)号：CN118644277A
公开(公告)日：2024-09-13
申请号：CN202411102906.4
申请日：2024-08-13
Applicant: 国网四川省电力公司成都供电公司
IPC: G06Q30/0202 , G06Q50/06 , G06F16/901
Abstract: 本申请提供一种基于AI大模型的电力营销数据分析方法及系统，通过获取并转化电力营销反馈数据为图嵌入表示数据，接着利用这些图嵌入表示数据初步预测反馈需求，得出与营销反馈相关的知识点及其概率。然后，通过图嵌入表示数据中的反馈节点和概率值来确定影响因子。进一步地，提取符合业务逻辑规则的图嵌入表示单元，并结合影响因子集成数据，生成与反馈需求知识点相关的参考数据，并以此创建一个可视化空间来反映电力营销反馈数据的特征点权重分布。最后，通过集成电力营销反馈数据和可视化空间，进行更高级的反馈需求知识点预测，以更准确地识别与电力营销反馈数据相关的目标反馈需求知识点。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.034 seconds)
