-
公开(公告)号：CN104517199A
公开(公告)日：2015-04-15
申请号：CN201510024269.8
申请日：2015-01-16
申请人： 国家电网公司 , 国网湖北省电力公司 , 湖北华中电力科技开发有限责任公司
CPC分类号： Y02E40/76 , Y02P90/82 , Y04S10/54 , Y04S10/545 , G06Q10/0637 , G06Q50/06
摘要： 本发明属于电网运营监测管理系统领域，基于多业务系统数据集成及大数据挖掘分析，实现对新能源发电的上网电量、上网电价、贴补电费等运营信息的在线监测。该发明综合利用营销业务系统、用电信息采集系统和电能计量(Tele Meter Reading简称TMR)系统对用户用电情况的实时数据，监控包含新能源部分的用电用户实际用电与发电量；利用相关决策部分的前期计划数据资料，对比实时监控数据，以月为单位评价分布式能源运行情况。决策部分可根据对比结果有效提高分布式能源发电效率。
-
公开(公告)号：CN106934538A
公开(公告)日：2017-07-07
申请号：CN201710123679.7
申请日：2017-03-03
申请人： 国网湖北省电力公司 , 湖北华中电力科技开发有限责任公司 , 国家电网公司
摘要： 本发明提供一种基于数据血缘和基因比对的电网数据融合方法，属于电网运营监测管理领域。该方法通过构建各部门业务系统数据之间的血缘关系，根据数据血缘关系把不同部门的业务单元进行基因对比和关联，有效解决多个电网多个业务系统数据之间的关联关系缺乏统一规划和管理、业务数据颗粒维度不统一、数据治理困难、数据融合困难的实际问题。
-
公开(公告)号：CN104537492A
公开(公告)日：2015-04-22
申请号：CN201410838376.X
申请日：2014-12-30
申请人： 国家电网公司 , 国网湖北省电力公司 , 湖北华中电力科技开发有限责任公司
CPC分类号： G06Q10/0637 , G01R31/00 , G06Q50/06 , H02J13/00
摘要： 本发明一种基于实时数据的电力高危重要用户在线监测方法，属于电网运营监测管理系统领域。该方法对营销业务系统中高危重要客户档案信息和调度实时运行信息进行整合，建立变电站、线路、受电点、高危重要客户的供电链路的监测模型，通过对关联线路的断路器及相关刀闸的状态和匹配的线路潮流为判据，判断高危客户多回路供电线路运行状态，并综合受电点用电状态，实现高危重要客户的停电状态监测。
-
公开(公告)号：CN106934538B
公开(公告)日：2020-06-16
申请号：CN201710123679.7
申请日：2017-03-03
申请人： 国网湖北省电力公司 , 湖北华中电力科技开发有限责任公司 , 国家电网公司
摘要： 本发明提供一种基于数据血缘和基因比对的电网数据融合方法，属于电网运营监测管理领域。该方法通过构建各部门业务系统数据之间的血缘关系，根据数据血缘关系把不同部门的业务单元进行基因对比和关联，有效解决多个电网多个业务系统数据之间的关联关系缺乏统一规划和管理、业务数据颗粒维度不统一、数据治理困难、数据融合困难的实际问题。
-
公开(公告)号：CN115907033A
公开(公告)日：2023-04-04
申请号：CN202211534465.6
申请日：2022-12-02
申请人： 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC分类号： G06N20/00 , G06F16/215 , H02J3/00 , G06F18/27
摘要： 本发明提供一种基于机器学习算法预测每小时用电量的方法及系统，所述方法包括：获取用电量数据和天气数据，其中电量数据包括含时间、用户编号、用电量，天气数据包括当地记录时间、气温、风力、湿度；对获取到的电量数据和天气数据进行清洗处理；对清洗后的数据进行建模，得到VAR模型；根据建立的VAR模型预测未来时刻的用电量。本发明建立的VAR模型是基于ARIMA模型的改进版本，预测精度得到了提高，同时基于自身算法特点使得所需数据样本量少，相比有监督学习的机器学习算法在所需的样本量上优势明显。在样本数量不足的特定场景下，使用该算法模型相较其它机器学习模型，预测效果较为突出。
-
公开(公告)号：CN114153847A
公开(公告)日：2022-03-08
申请号：CN202111431717.8
申请日：2021-11-29
申请人： 国家电网有限公司 , 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC分类号： G06F16/22 , G06F16/242 , G06F16/215
摘要： 本发明提供一种基于业务宽表的电网运营数据大数据分析方法，包括：对业务系统和数据表进行解析，生成数据分析服务目录；根据需要从数据分析服务目录中勾选多个业务系统中的数据表；进行宽表配置；根据数据表之间的关联关系判断是否可组成宽表，若判断能关联，则生成宽表描述；为定制的宽表配置大数据应用；从数据仓库中获取业务数据组成宽表；对业务数据进行清洗；大数据分析和结果展示。本发明采用所见即所得的方式配置电力宽表的关联数据表、数据字段和关联关系，根据配置结果自动生成视图，从数据仓库中自动获取数据后，利用大数据分析工具开展大数据分析，发掘数据价值，为电网运营全业务流程监控提供决策支持。
-
公开(公告)号：CN118899829A
公开(公告)日：2024-11-05
申请号：CN202410936221.3
申请日：2024-07-12
申请人： 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC分类号： H02J3/00 , G06N3/0464 , G06N3/0442 , G06N3/042 , G06N3/08 , G06F17/18 , G06F18/25 , G06Q10/04 , G06Q50/06 , G06F18/214 , G06F18/24
摘要： 本发明提供一种利用GAT‑LSTM&STGCN‑MLP双时空图模型进行电网负载率预测的方法，包括：从数据中台和气象网站获取目标区域负载数据和天气数据；对获取目标区域的负载数据和天气数据进行数据清洗，所述负载数据包括日期、目标区域下乡镇的负载率，天气数据包括日期、目标区域气温；对进行数据清洗后的数据进行特征工程处理，得到若干维度数据；基于GAT‑LSTM时空图算法网络和STGCN‑MLP时空图算法网络构建双时空图多目标算法模型；将所得若干维度数据输入所述建双时空图多目标算法模型进行预测，得到目标区域下属乡镇的负载率预测结果。本发明在各种复杂多变的节日情况下仍能保持稳定预测，增强了模型稳定性。
-
公开(公告)号：CN117474152B
公开(公告)日：2024-04-09
申请号：CN202311406860.0
申请日：2023-10-27
申请人： 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/214
摘要： 本发明提供一种基于Conv1d的多变量CNN‑GRU算法用于短期负荷的实际预测方法，包括：从数据中台获取某地区一段时间的用电相关数据，包括用电量、供电量、负载率；对获取的用电相关数据进行数据处理，数据处理包括合并数据、空缺数据处理、计算每日平均负载率以及计算每日的相关电量；对处理后的用电相关数据进行错位映射，用当前时刻的用电量与历史某时刻的各变量形成对应，形成输入数据模型；基于输入数据模型构建CNN‑GRU实际预测模型对未来一段时间的用电量进行实际预测。本发明将CNN‑GRU算法首次应用于短期负荷的实际预测，通过错位映射避免先预测自变量X再预测因变量Y，可以在提升运行速度基础上保证较低的误差。
-
公开(公告)号：CN117474152A
公开(公告)日：2024-01-30
申请号：CN202311406860.0
申请日：2023-10-27
申请人： 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/214
摘要： 本发明提供一种基于Conv1d的多变量CNN‑GRU算法用于短期负荷的实际预测方法，包括：从数据中台获取某地区一段时间的用电相关数据，包括用电量、供电量、负载率；对获取的用电相关数据进行数据处理，数据处理包括合并数据、空缺数据处理、计算每日平均负载率以及计算每日的相关电量；对处理后的用电相关数据进行错位映射，用当前时刻的用电量与历史某时刻的各变量形成对应，形成输入数据模型；基于输入数据模型构建CNN‑GRU实际预测模型对未来一段时间的用电量进行实际预测。本发明将CNN‑GRU算法首次应用于短期负荷的实际预测，通过错位映射避免先预测自变量X再预测因变量Y，可以在提升运行速度基础上保证较低的误差。
-
公开(公告)号：CN118735721A
公开(公告)日：2024-10-01
申请号：CN202410712732.7
申请日：2024-06-04
申请人： 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC分类号： G06Q50/06 , H02J3/00 , G06Q10/04 , G06F18/10 , G06N3/045 , G06N3/0464 , G06N3/0442
摘要： 一种利用GAT‑BILSTM&CNN‑LSTM模型提高多目标误差均衡度的方法，包括：获取目标区域的负载数据和气温数据；对负载数据和气温数据进行数据清洗；对数据清洗后的数据进行特征工程处理得到历史数据；设置GAT‑BILSTM算法网络和设置CNN‑LSTM算法网络；模型组合：使用GAT‑BILSTM对历史数据进行训练，算出目标区域负载率预测变量的每个预测误差，再算出平均误差，其次将超出平均误差的负载率预测变量与CNN‑LSTM的结果进行组合，组合的方式是采用误差倒数法进行加权，剩下的负载率预测变量则保持不变输出结果。本发明可解决多目标预测模型中各个目标预测误差的相差过大的问题，同时尽可能减小整体误差。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.083 秒)
