-
公开(公告)号：CN118195264A
公开(公告)日：2024-06-14
申请号：CN202410446408.5
申请日：2024-04-15
申请人： 国网江苏省电力有限公司 , 江苏方天电力技术有限公司
IPC分类号： G06Q10/0631 , G06Q50/06 , G06F18/241
摘要： 本发明公开了电力行业管理技术领域的一种基于电力考勤复杂场景的智能适配排班方法及系统，旨在解决现有技术重复工作、低效、不准确的问题。包括：收集所有含下属单位的员工班次信息；将所述员工班次信息汇总，并根据班次特征信息，对所述班次进行分类；根据班次内容进行班次匹配，判断当前班次是否为新建班次：若是新建班次则采用线性规划模型算法进行排班；若不是新建班次则进行智能排班。本发明可根据班次及员工信息，智能选择班次进行排班，并生成排班记录，考勤管理只需要针对特殊班次进行手动排班操作，排班方法对每个员工排班信息进行校验，若排班信息错误，可向考勤管理发起重新排班的提醒，提高了排班效率和准确性。
-
公开(公告)号：CN116245212A
公开(公告)日：2023-06-09
申请号：CN202211560224.9
申请日：2022-12-06
申请人： 江苏方天电力技术有限公司
IPC分类号： G06Q10/04 , G06Q50/06 , G06F18/2433 , G06F18/2135 , G06F18/10 , G06N3/0442 , G06F123/02
摘要： 本发明提供一种基于PCA‑LSTM的电力数据异常检测与预测方法及系统，该方法通过获得原始用电采集数据，进行数据排序，得到时间序列的电力数据；进行预处理，获得预处理后的电力数据；采用主成分分析法PCA进行降维，获得降维后的数据，并分为训练集和测试集；构建长短期记忆神经网络预测模型LSTM，对长短期记忆神经网络预测模型LSTM进行优化后，获得最终的长短期记忆神经网络预测模型LSTM；通过得到的最终的长短期记忆神经网络预测模型LSTM进行预测；本发明能够高精度高效率实现电力数据时间序列的数据预测，能够有效去除冗余数据，降低计算复杂度，提升数据处理速度，并有效降低预测误差。
-
公开(公告)号：CN115905943A
公开(公告)日：2023-04-04
申请号：CN202211421840.6
申请日：2022-11-14
申请人： 国网江苏省电力有限公司 , 江苏方天电力技术有限公司 , 国网江苏省电力有限公司盐城供电分公司
IPC分类号： G06F18/241 , G06F18/22 , G06F18/23213
摘要： 一种基于云模型的气象数据综合定量评价方法，具体步骤如下：步骤一：数据归一化处理，本技术将气象数据指标划分为实数型和模糊型2种属性类型，并将各项指标划分为正、负属性；步骤二：数据云化处理，将各属性指标数据统一用云模型Ci(Ex，En，He)表示；步骤三：建立判断矩阵，采用层次分析法确定属性云模型的权重wi(Ex，En，He)；步骤四：对多源属性云加权，生成待评价云模型Cz(Ex，En，He)；步骤五：构建隶属云标尺，计算待评价云与相近基础云的相似度；步骤六：基于评价云与相近基础云的相似度计算，定性、定量评价多源气象数据。本发明提出一种基于云模型理论的气象数据定量评价技术，其特征在于：综合考虑多源数据属性指标；综合考虑实数型、模糊型属性等数据特性；使用云模型统一表示，客观定性定量分析数据特点。
-
公开(公告)号：CN111160620B
公开(公告)日：2022-06-17
申请号：CN201911247976.8
申请日：2019-12-06
申请人： 江苏方天电力技术有限公司 , 东南大学
摘要： 本发明公开了一种基于端到端记忆网络的短期风电功率预测方法，包括如下步骤：采集风电场数据；将采集的风电场数据划分为历史数据、被预测多节点天气数据和功率数据，并对历史数据和被预测多节点天气数据进行归一化处理；利用多头自注意力机制模型对历史数据进行编码，将编码后的特征向量存入端到端记忆网络的记忆池；采用注意力机制对被预测多节点天气数据进行编码，并将编码结果作为端到端记忆网络的输入向量；将功率数据作为端到端记忆网络的输出向量进行端到端记忆网络的训练；使用训练好的端到端记忆网络对风机输出功率进行预测。本发明方法相比以往短期风电功率预测方法，能够关注到历史数据中隐含的信息，具有更高的预测精度和稳定性。
-
公开(公告)号：CN111080081B
公开(公告)日：2022-06-10
申请号：CN201911170004.3
申请日：2019-11-26
申请人： 江苏方天电力技术有限公司
摘要： 本发明公开了一种电力在线客服接待分配方法，包括采集客服变量集合以及各变量集合的客户评分，构建样本数据集；计算样本数据中各元素出现的概率；根据样本数据中各元素出现的概率，计算客户评分下变量集合中各变量出现的概率；根据样本数据中各元素出现的概率和客户评分下变量集合中各变量出现的概率，根据贝叶斯定理计算变量集合下客户评分出现的概率；根据变量集合下客户评分出现的概率，计算各变量集合的评分；基于变量集合评分的排序，进行接待分配。同时公开了相应的接待分配系统和在线客服系统。本发明的方法基于客户评分计算客服变量集合评分，基于变量集合评分的排序，进行接待分配，减少了主观人为因素，相较于传统的方法更加合理。
-
公开(公告)号：CN113837720A
公开(公告)日：2021-12-24
申请号：CN202111086933.3
申请日：2021-09-16
申请人： 江苏方天电力技术有限公司
摘要： 本发明公开一种电力营销档案变更电能表的异常恢复方法及系统，获取当前版本电力营销档案和上一版本电力营销档案，将当前版本电力营销档案和上一版本电力营销档案的数据的电表标识进行关联对比，获取当前版本电力营销档案已经删除的电能表档案信息；将已经删除的电能表档案信息与计量异常记录表进行关联，获取已经删除的电能表存在的未恢复异常记录，并获取未恢复异常记录；将未恢复异常记录与研判方法和计算基础单元进行关联，获取异常研判计算模型信息；根据异常研判计算模型的计算类型选择对应的异常恢复类型，对电能表的未恢复异常记录执行不同类型的恢复。
-
公开(公告)号：CN112785029A
公开(公告)日：2021-05-11
申请号：CN202011221935.4
申请日：2020-11-05
申请人： 江苏方天电力技术有限公司 , 东南大学
摘要： 本发明公开了一种基于深度聚类模型的充电站用电量预测方法，包括：充电站数据的增强及预处理；基于深度聚类模型的特征映射，充电站所属簇的确定；基于最近邻算法的充电站电量预测。本发明方法使用深度神经网络同时学习充电站数据的特征表示和簇的分配，通过将数据映射到隐层特征空间，迭代地优化聚类目标和重构损失，减少了误差传播的可能性；进一步使用最近邻算法对充电站用电量进行预测。本方法相比于以往的充电站用电预测方法，能够挖掘到数据的隐含特征，缩小搜索空间，具有更高的预测精度。
-
公开(公告)号：CN110503251A
公开(公告)日：2019-11-26
申请号：CN201910738748.4
申请日：2019-08-12
申请人： 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 江苏中堃数据技术有限公司
摘要： 本发明公开了一种基于Stacking算法的非节假日负荷预测方法，包括以下步骤：S1、获取样本数据，包括电力系统用户短期负荷数据、气象数据和时间因素；S2、对S1获得的样本数据，做数据预处理，包括缺失值处理和标准化处理；S3、使用Stacking算法对S2已经处理好的样本数据进行负荷预测建模；S4、使用S3已经建好的模型对待预测点进行负荷预测；S5、使用平均绝对误差比率和准确度来评估该负荷预测模型的性能。本发明提供的一种基于Stacking算法的非节假日负荷预测方法，拥有良好的自学习能力和非线性表达能力，能够提升预测精度和扩大使用范围。
-
公开(公告)号：CN106850853B
公开(公告)日：2019-06-11
申请号：CN201710181987.5
申请日：2017-03-24
申请人： 国网江苏省电力公司电力科学研究院 , 国家电网公司 , 江苏方天电力技术有限公司 , 江苏省电力试验研究院有限公司
IPC分类号： H04L29/08
摘要： 本发明公开了一种基于负载均衡的信息通道智能选择方法，包括多渠道通过负载均衡硬件将并发数据分配给多个外网前置；多个外网前置将数据插入多个隔离装置的数据表中；多个内网前置获取多个隔离装置数据表中的数据；内网服务处理数据并将处理后的数据存入内网数据库；多个内网前置实时扫描内网数据库，格式化内网数据库中的数据；多个内网前置将格式化数据插入多个隔离装置的数据表中；多个外网前置获取多个隔离装置数据表中的格式化数据，并发送给各渠道。本发明在产生大量的咨询、业务办理等请求的情况下，利用多通道智能选择方法提高数据处理的能力，同时可以避免单台装置故障造成整条传输线路阻塞的情况。
-
公开(公告)号：CN109255500A
公开(公告)日：2019-01-22
申请号：CN201811256035.6
申请日：2018-10-25
申请人： 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 国家电网公司
摘要： 本发明公开了基于卡尔曼滤波器对于风力发电预测数据的自动校准方法，包括采集S电站发电功率的风机总有功数据；计算出K时间点该电站风机总有功的卡尔曼增益，用来估算该时间点的最优预测风机总有功功率值；算出K时间点的最优预测功率值；根据卡尔曼滤波器保留上一个时刻的covariance，快速的估算出短期内各个时间点无限接近实际功率的最优功率值。通过电站上报的发电功率和系统预测的发电功率来估算出最优的风力发电预测数据，与其他预测系统预测的数据相比较，排除气象因素对预测结果的影响，即环境稳定的情况下，卡尔曼滤波器对数据的预测更精准，更偏向于实际数据。
-
-
-
-
-
-
-
-
-
搜索结果
79 条记录 (耗时 0.039 秒)
