-
公开(公告)号：CN118820963A
公开(公告)日：2024-10-22
申请号：CN202410800831.0
申请日：2024-06-20
Applicant: 国网江苏省电力有限公司营销服务中心 , 国网江苏省电力有限公司
IPC: G06F18/243 , G06N5/01 , G06N20/00 , G06Q50/06 , G06F17/18
Abstract: 一种基于随机森林算法的省间用电场景分类方法及系统，方法包括：采集不同时段下用电省份的省内影响因素以构建第一数据集，利用随机森林算法针对第一数据集进行分类，以获得每个样本的省内电力紧缺程度；采集不同时段下用电省份与关联省份之间的省间影响因素，并根据省间影响因素、每个省间影响因素所对应的省内电力紧缺程度构建第二数据集；利用随机森林算法对第二数据集进行分类，生成多个省间用电场景，并分析第二数据集中每个样本的紧急程度；基于不同时段下用电省份的省间用电场景、紧急程度分析历史省间用电方式，并获得不同的省间用电场景、紧急程度组合下的最优省间用电方式；基于当前状态下的省间用电场景、紧急程度调节省间用电方式。
-
公开(公告)号：CN118569918A
公开(公告)日：2024-08-30
申请号：CN202410709838.1
申请日：2024-06-03
Applicant: 国网江苏省电力有限公司营销服务中心
IPC: G06Q30/0202 , G06Q50/06 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/25 , G06N3/044 , G06N3/08 , H02J3/00
Abstract: 一种基于深度学习的省间现货购电需求预测方法及系统，包括采集电力现货市场的购电需求数据以及与购电需求数据有关的特征数据；通过预处理模块对各原始数据进行预处理，得到样本数据集；基于皮尔逊相关系数，Lasso特征选择进行特征提取，有效地选择出与购电需求密切相关的特征；建立省间现货购电需求预测模型，该模型将指数平滑和多层扩张循环神经网络结合起来生成点预测和以预测区间形式的概率预测，该模型不需要初始时间序列分解，并且结合了自适应预处理、交叉学习和多个扩张，以应对复杂的时间序列特征，从而最大化预测模型的准确性；本发明能够用于提高预测省间现货购电需求的速度以及预测结果的准确性。
-
公开(公告)号：CN118821998A
公开(公告)日：2024-10-22
申请号：CN202410802702.5
申请日：2024-06-20
Applicant: 国网江苏省电力有限公司营销服务中心 , 国网江苏省电力有限公司
IPC: G06Q10/04 , G06Q50/06 , G06Q30/0201 , G06F17/18
Abstract: 一种省间省内用电影响因素的分析方法及系统，其特征在于，所述方法包括以下步骤：分别以省间电能交换过程中的购电成本最小、省内电能交换过程中的运行成本最小为目标构建双层规划模型，预测出最优购电价格序列；采集用电影响因素的时间序列，计算所述用电影响因素与所述最优购电价格之间的关联度，以基于所述关联度的排序提取出所述用电影响因素中的关键因素。本发明从电网发电、输电能力上有针对的实施改进、消除系统层面的薄弱环节，从而提高系统稳定性，保障大规模省间电力传输的安全可靠。
-
公开(公告)号：CN118982100A
公开(公告)日：2024-11-19
申请号：CN202410993572.8
申请日：2024-07-24
Applicant: 国网江苏省电力有限公司营销服务中心 , 国网江苏省电力有限公司
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442
Abstract: 一种考虑省间联络通道的省间实时用电预测方法及系统，其特征在于，方法包括：采集目标省份以及存在省间联络通道的关联省份的历史用电关联数据，并分别构造针对目标省份和所述关联省份的多个历史用电关联矩阵；采用皮尔逊相关系数对多个矩阵中的多个特征进行相关分析，以获得的相关系数，并对历史用电关联矩阵进行归一化；在时间维度上对每个关联矩阵进行划分，获得区分时间阶段的输入数据集，分别输入至LSTM模型中进行训练后，预测针对每个历史用电关联矩阵的实时用电参考量；构造省间联络矩阵，将历史用电关联矩阵、目标省份和关联省份的实时用电参考量输入至预训练的省间联络空间模型中，以获得考虑联络通道影响的实时用电预测量。
-
-
-
Search Results
4
records
(took 0.068 seconds)
