-
公开(公告)号：CN110516889B
公开(公告)日：2023-07-07
申请号：CN201910829313.0
申请日：2019-09-03
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电网规划研究中心
Abstract: 本申请实施例公开了一种基于Q‑learning的负荷综合预测方法和相关设备，方法包括：获取影响负荷的若干组基础预测参数集，并对其进行标幺化处理和离散化处理，作为环境状态；获取若干种负荷预测方法，并对其权重进行离散化处理，作为动作空间；将负荷预测值和负荷实际值的平方根偏差作为回报函数；根据环境状态、动作空间和回报函数构建预测智能体；基于Q‑learning对预测智能体进行训练；将进行标幺化处理和离散化处理后基础参数集的输入到已训练收敛的预测智能体中，进行负荷预测。通过将Q强化学习应用于负荷综合预测中，设计了环境状态、动作空间和回报函数，使得所选择预测方法和权重值均可以随基础预测参数而改变，解决了现有的单个预测方法适应性差问题。
-
公开(公告)号：CN109472001A
公开(公告)日：2019-03-15
申请号：CN201811301390.0
申请日：2018-11-02
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电网规划研究中心 , 广东电网发展研究院有限责任公司
Abstract: 本申请所提供的一种方案的优劣评估方法，包括：获取属性测度值矩阵；根据属性测度值矩阵得到判断矩阵，并确定判断矩阵的权重；确定待评估方案的绝对正理想点和绝对负理想点；根据绝对正理想点和权重得到绝对正理想点对应的第一加权欧式距离，根据绝对负理想点和权重得到第二加权欧式距离；根据第一加权欧式距离和第二加权欧式距离计算各个待评估方案的相对贴进度；根据相对贴进度对各个待评估方案进行优劣排序。本申请引入加权欧式距离并且采用绝对正理想解和绝对负理想解概念，无需求解正、负理想解，有效避免逆序现象的产生。本申请还提供一种方案的优劣评估系统、一种计算机可读存储介质和一种方案的优劣评估终端，具有上述有益效果。
-
公开(公告)号：CN110365022A
公开(公告)日：2019-10-22
申请号：CN201910645183.5
申请日：2019-07-17
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电网规划研究中心 , 南方电网科学研究院有限责任公司
IPC: H02J3/06
Abstract: 本申请公开了一种受端电网环链综合网架方案确定的方法，包括：确定受端电网中的关键变电站；根据电网参数信息确定分区方案，并将各关键变电站分配到不同的分区中；确定各分区之间的联络通道；根据分区方案及联络通道确定受端电网网架结构的构建方案。本申请通过根据电网参数信息确定分区方案，并将各关键变电站分配到不同的分区中，使得受端电网密度得到疏解，站间电气距离得以拉大，而且本申请提出的方法在拉开受端变电站(换流站)间电气距离的同时，保持了电网结构的相对完整，提高了系统的安全稳定水平。本申请同时还提供了一种受端电网环链综合网架方案确定的系统、设备及计算机可读存储介质，具有上述有益效果。
-
公开(公告)号：CN111769989A
公开(公告)日：2020-10-13
申请号：CN202010614327.3
申请日：2020-06-30
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电网规划研究中心
IPC: H04L12/24
Abstract: 本申请公开了一种SDN架构中的自适应映射方法及相关装置，方法包括：根据物理节点集和物理链路集构建复杂网络；根据物理节点集中每个物理节点与SDN控制器之间的映射关系将物理节点划分为不同的社团；判断新增物理节点是否与社团中的预置唯一社团连接，若是，则将新增物理节点划分至预置唯一社团，并将新增物理节点与预置唯一社团对应的SDN控制器进行映射，若否，则计算新增物理节点和与新增物理节点连接的不同社团之间的吸引力；将新增物理节点划分至最大吸引力对应的目标社团中，并将新增物理节点与目标社团对应的SDN控制器进行映射。本申请解决了现有技术缺乏新增物理节点的映射机制的技术问题。
-
公开(公告)号：CN110516889A
公开(公告)日：2019-11-29
申请号：CN201910829313.0
申请日：2019-09-03
Applicant: 广东电网有限责任公司 , 广东电网有限责任公司电网规划研究中心
Abstract: 本申请实施例公开了一种基于Q-learning的负荷综合预测方法和相关设备，方法包括：获取影响负荷的若干组基础预测参数集，并对其进行标幺化处理和离散化处理，作为环境状态；获取若干种负荷预测方法，并对其权重进行离散化处理，作为动作空间；将负荷预测值和负荷实际值的平方根偏差作为回报函数；根据环境状态、动作空间和回报函数构建预测智能体；基于Q-learning对预测智能体进行训练；将进行标幺化处理和离散化处理后基础参数集的输入到已训练收敛的预测智能体中，进行负荷预测。通过将Q强化学习应用于负荷综合预测中，设计了环境状态、动作空间和回报函数，使得所选择预测方法和权重值均可以随基础预测参数而改变，解决了现有的单个预测方法适应性差问题。
-
Patent Agency Ranking
公开(公告)号：CN110135634B
公开(公告)日：2022-01-25
申请号：CN201910355720.2
申请日：2019-04-29
Applicant: 广东电网有限责任公司电网规划研究中心
Abstract: 本发明提出了一种中长期电力负荷预测装置，包括：输入模块，用于输入多个第一时间尺度数据和多个第二时间尺度数据，并将多个第一时间尺度数据和多个第二时间尺度数据传递至长短期记忆神经网络的输入层，其中，第一时间尺度小于第二时间尺度；建模模块，用于通过长短期记忆神经网络对多个第一时间尺度数据和多个第二时间尺度数据进行训练，以得到堆叠长短期记忆网络模型；预测模块，用于利用堆叠长短期记忆网络模型对电力负荷进行预测，以得到电力负荷预测数据；输出模块，用于输出电力负荷预测数据。该装置能够解决不同时间尺度数据依赖问题，提高中长期电力负荷的预测精度。
-
公开(公告)号：CN110135634A
公开(公告)日：2019-08-16
申请号：CN201910355720.2
申请日：2019-04-29
Applicant: 广东电网有限责任公司电网规划研究中心
Abstract: 本发明提出了一种中长期电力负荷预测装置，包括：输入模块，用于输入多个第一时间尺度数据和多个第二时间尺度数据，并将多个第一时间尺度数据和多个第二时间尺度数据传递至长短期记忆神经网络的输入层，其中，第一时间尺度小于第二时间尺度；建模模块，用于通过长短期记忆神经网络对多个第一时间尺度数据和多个第二时间尺度数据进行训练，以得到堆叠长短期记忆网络模型；预测模块，用于利用堆叠长短期记忆网络模型对电力负荷进行预测，以得到电力负荷预测数据；输出模块，用于输出电力负荷预测数据。该装置能够解决不同时间尺度数据依赖问题，提高中长期电力负荷的预测精度。
-
公开(公告)号：CN110163421B
公开(公告)日：2021-08-24
申请号：CN201910355154.5
申请日：2019-04-29
Applicant: 广东电网有限责任公司电网规划研究中心
Abstract: 本发明提出了一种中长期电力负荷预测方法，包括以下步骤：获取预设时间段内的电力负荷数据及其影响因子；根据第一时间尺度将电力负荷数据和影响因子划分为多个第一时间尺度数据，根据第二时间尺度将影响因子划分为多个第二时间尺度数据；根据多个第一时间尺度数据和多个第二时间尺度数据构建电力负荷预测模型；采用长短期记忆神经网络对电力负荷预测模型进行训练以生成堆叠长短期记忆网络模型；通过堆叠长短期记忆网络模型对电力负荷进行预测，并生成电力负荷预测数据。该方法能够解决不同时间尺度数据依赖问题，提高中长期电力负荷的预测精度。
-
-
公开(公告)号：CN110163421A
公开(公告)日：2019-08-23
申请号：CN201910355154.5
申请日：2019-04-29
Applicant: 广东电网有限责任公司电网规划研究中心
Abstract: 本发明提出了一种中长期电力负荷预测方法，包括以下步骤：获取预设时间段内的电力负荷数据及其影响因子；根据第一时间尺度将电力负荷数据和影响因子划分为多个第一时间尺度数据，根据第二时间尺度将影响因子划分为多个第二时间尺度数据；根据多个第一时间尺度数据和多个第二时间尺度数据构建电力负荷预测模型；采用长短期记忆神经网络对电力负荷预测模型进行训练以生成堆叠长短期记忆网络模型；通过堆叠长短期记忆网络模型对电力负荷进行预测，并生成电力负荷预测数据。该方法能够解决不同时间尺度数据依赖问题，提高中长期电力负荷的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.04 seconds)
