-
公开(公告)号：CN113011530A
公开(公告)日：2021-06-22
申请号：CN202110472639.X
申请日：2021-04-29
摘要： 一种基于多分类器融合的智能电表故障预测方法，针对智能电表故障数据规模大、维度高、结构复杂、存在错误及异常数据的特点，采用正态分布补全及箱型图方法，对原始数据集进行缺失值填补及异常值替换；通过计算特征属性与故障类型之间的相关系数，消除冗余及不相关特征，形成特征子集；构建对少数样本过采样、对多数样本进行欠采样的混合采样策略，解决故障数据不平衡问题。计算支持向量机(SVM)、BP神经网络及随机森林算法处理智能电表故障数据的准确率，构建表征各分类器性能的混淆矩阵；考虑各分类器针对不同故障类型的识别能力，为各分类器分配权重，进而构建多分类器决策函数，取权重和最大的类别作为样本的故障预测结果。
-
公开(公告)号：CN118586841A
公开(公告)日：2024-09-03
申请号：CN202410382051.9
申请日：2024-04-01
申请人： 国网新疆电力有限公司营销服务中心
IPC分类号： G06Q10/10 , G06Q50/06 , G06F40/186
摘要： 本发明公开一种用于电力业扩项目线上管控工具，包括项目录入审批模块、项目跟踪审批模块、项目问题登记处理模块和报告自动生成模块；所述项目录入审批模块用于将项目基本信息及用电需求录入至管控系统，系统调用项目录入审批流程服务，生成代办工单，根据电压等级分配给相应的专责人员进行审批；所述项目跟踪审批模块根据项目管控周期要求，对项目进行定期跟踪及信息更新，并生成代办工单，由相应专责人员进行审批；所述项目问题登记处理模块用于对系统中录入的问题信息进行处理，并通过线上流转至相应工作人员进行解决；所述报告自动生成模块，根据系统预设的报告模板，调用报告数据逻辑至数据库执行查询，将生成的结果填入报告模板。
-
公开(公告)号：CN113920375B
公开(公告)日：2024-06-25
申请号：CN202111284397.8
申请日：2021-11-01
IPC分类号： G06V10/764 , G06V10/80 , G06N3/0464
摘要： 本发明涉及一种基于Faster R‑CNN与SVM结合的融合特征典型负荷识别方法及系统，其方法包括：S1：采集电器设备的负荷，构建信号数据样本，选取相对应的小波基，确定分解层数；对含噪信号进行分解，得到一组小波系数；S2：对小波系数进行软阈值函数处理，得到估计小波系数；S3：利用估计小波系数对小波进行重构，得到去噪后的重构信号；S4：对重构信号进行归一化处理，得到归一化的重构信号；S5：基于归一化的重构信号，构建负荷特征曲线图像，使用Faster R‑CNN网络对负荷曲线图像进行特征提取，利用SVM进行分类，得到最终的负荷识别结果。本发明提供的方法提升了对典型负荷特征识别的准确率，对节能做出指导，降低用户的用电成本并提高电能的利用率。
-
公开(公告)号：CN113011530B
公开(公告)日：2023-04-07
申请号：CN202110472639.X
申请日：2021-04-29
IPC分类号： G06F18/2411 , G06N3/04 , G06N3/084 , G06Q10/04 , G06Q50/06 , G06F18/241
摘要： 一种基于多分类器融合的智能电表故障预测方法，针对智能电表故障数据规模大、维度高、结构复杂、存在错误及异常数据的特点，采用正态分布补全及箱型图方法，对原始数据集进行缺失值填补及异常值替换；通过计算特征属性与故障类型之间的相关系数，消除冗余及不相关特征，形成特征子集；构建对少数样本过采样、对多数样本进行欠采样的混合采样策略，解决故障数据不平衡问题。计算支持向量机(SVM)、BP神经网络及随机森林算法处理智能电表故障数据的准确率，构建表征各分类器性能的混淆矩阵；考虑各分类器针对不同故障类型的识别能力，为各分类器分配权重，进而构建多分类器决策函数，取权重和最大的类别作为样本的故障预测结果。
-
公开(公告)号：CN113920375A
公开(公告)日：2022-01-11
申请号：CN202111284397.8
申请日：2021-11-01
IPC分类号： G06V10/764 , G06V10/80 , G06N3/04
摘要： 本发明涉及一种基于Faster R‑CNN与SVM结合的融合特征典型负荷识别方法及系统，其方法包括：S1：采集电器设备的负荷，构建信号数据样本，选取相对应的小波基，确定分解层数；对含噪信号进行分解，得到一组小波系数；S2：对小波系数进行软阈值函数处理，得到估计小波系数；S3：利用估计小波系数对小波进行重构，得到去噪后的重构信号；S4：对重构信号进行归一化处理，得到归一化的重构信号；S5：基于归一化的重构信号，构建负荷特征曲线图像，使用Faster R‑CNN网络对负荷曲线图像进行特征提取，利用SVM进行分类，得到最终的负荷识别结果。本发明提供的方法提升了对典型负荷特征识别的准确率，对节能做出指导，降低用户的用电成本并提高电能的利用率。
-
-
-
-
搜索结果
5 条记录 (耗时 0.052 秒)
