-
公开(公告)号:CN118627920A
公开(公告)日:2024-09-10
申请号:CN202410624401.8
申请日:2024-05-20
Applicant: 国网浙江省电力有限公司湖州供电公司 , 国网浙江省电力有限公司德清县供电公司
IPC: G06Q10/0637 , G06Q50/06 , G06N3/0464 , G06N3/0455 , G06N3/0895 , G06F18/213 , G06F18/24 , G06F18/25 , G06N20/00
Abstract: 本发明公开了一种基于伪标签半监督学习的污染源超限排放研判方法,基于海量多源融合数据获取用户污染源超限排放研判所需输入数据;然后结合交叉聚合特征衍生、时序样本熵、卷积神经网络自动编码器进行多维度污染源超限排放特征提取,最后通过多个机器学习模型融合预测实现研判,此外,针对污染源超限排放用户实际样本集缺少问题,引入伪标签半监督学习算法实现样本扩充增强,提升模型研判准确度。
-
公开(公告)号:CN118539412A
公开(公告)日:2024-08-23
申请号:CN202410521119.7
申请日:2024-04-28
Applicant: 国网浙江省电力有限公司湖州供电公司
IPC: H02J3/00 , H02J3/38 , G06Q10/0631 , G06Q10/0637 , G06Q50/06 , G06N20/00
Abstract: 本发明属于电力负荷预测技术领域,主要是为了解决现有的基线负荷算法并未考虑用户内部分布式光伏出力情况,从而导致基线负荷估计偏差变大的问题,公开了一种考虑分布式光伏出力的需求响应基线负荷估计方法,充分考虑了用户历史负荷和内部分布式光伏出力对基线负荷的影响,引入K折交叉验证策略评估基线负荷估计回归模型性能,通过构建多种特征引入机器学习lightgbm模型直接回归估计出用户需求响应基线负荷,相比于传统基线负荷算法,还更加充分利用了海量的样本数据,其基线负荷估计更加合理精确,避免基线负荷估计偏差较大,有效保障用户和需求响应实施机构双方利益。
-