-
公开(公告)号：CN113902485B
公开(公告)日：2024-08-13
申请号：CN202111212168.5
申请日：2021-10-18
Applicant: 南方电网科学研究院有限责任公司 , 深圳供电局有限公司
IPC: G06Q30/0201 , G06Q50/06 , G06V10/762 , G06V10/82 , G06T3/4007
Abstract: 本申请涉及一种专变电力用户行业识别方法、装置及设备，该识别方法通过X‑means聚类算法对每个专变电力用户每日的负荷曲线按照节假日、非节假日分别聚类，得到该专变电力用户的节假日和非节假日典型日负荷曲线；之后所有聚类后的m个专变电力用户的典型日负荷曲线按照节假日、非节假日分别进行第二次X‑means聚类，实现专变电力用户的有效行业分类，及时发现历史人为操作失误造成的专变电力用户档案录入错误的情况，提高行业识别效率。解决了现有对电力系统从智能电表获取的数据通过人工实现电力用户档案行业分类，此方式存在判断结果易出错、工作效率低且耗时耗力的技术问题。
-
公开(公告)号：CN113902485A
公开(公告)日：2022-01-07
申请号：CN202111212168.5
申请日：2021-10-18
Applicant: 南方电网科学研究院有限责任公司 , 深圳供电局有限公司
IPC: G06Q30/02 , G06Q50/06 , G06V10/762 , G06V10/82 , G06T3/40
Abstract: 本申请涉及一种专变电力用户行业识别方法、装置及设备，该识别方法通过X‑means聚类算法对每个专变电力用户每日的负荷曲线按照节假日、非节假日分别聚类，得到该专变电力用户的节假日和非节假日典型日负荷曲线；之后所有聚类后的m个专变电力用户的典型日负荷曲线按照节假日、非节假日分别进行第二次X‑means聚类，实现专变电力用户的有效行业分类，及时发现历史人为操作失误造成的专变电力用户档案录入错误的情况，提高行业识别效率。解决了现有对电力系统从智能电表获取的数据通过人工实现电力用户档案行业分类，此方式存在判断结果易出错、工作效率低且耗时耗力的技术问题。
-
公开(公告)号：CN114357261A
公开(公告)日：2022-04-15
申请号：CN202111281280.4
申请日：2021-11-01
Applicant: 深圳供电局有限公司 , 南方电网科学研究院有限责任公司
IPC: G06F16/906 , G06Q10/06 , G06Q50/06
Abstract: 本发明公开了一种基于数据‑物理特征联合驱动的海量电力用户聚类算法，包括以下步骤：S1、单用户日典型负荷曲线聚类；S2、标幺化用户日典型负荷数据，计算用户日典型负荷的标幺值；S3、多用户日典型负荷曲线聚类；S4、自动迭代，寻找满足轮廓系数与行业集中度标准的聚类数目；S5、输出最佳聚类数目对应的用户聚类结果。本发明基于用电信息采集系统中积累的海量用户历史用电数据，挖掘并掌握各行业和用户的生产特点和用电需求，不仅能够提高电网公司负荷预测精度和调度管理水平，而且也能够为电价制定、经济调度、需求响应等提供精准的数据支撑和决策依据。
-
公开(公告)号：CN113780679A
公开(公告)日：2021-12-10
申请号：CN202111138775.1
申请日：2021-09-27
Applicant: 深圳供电局有限公司 , 南方电网科学研究院有限责任公司
Abstract: 本发明公开了一种基于泛在电力物联网的负荷预测方法及装置，其中方法包括：分别获取泛在电力物联网范围内目标用户和其他用户的数据集，对所述数据集进行预处理；其中，所述数据集包括电气数据、用户间关联数据、用户内部的生产要素数据和负荷相关数据；构建基于深度残差网络的特征提取模型，所述特征提取模型提取第一数据集与目标用户的电气数据间的关联特征；构建基于长短期记忆网络的负荷预测模型，所述负荷预测模型根据第二数据集进行负荷预测得到所述目标用户的负荷数据。本发明通过基于注意力机制和长短跳跃连接的长短期记忆网络的负荷预测模型，能降低负荷预测的不确定性，能够提高目标用户的负荷预测准确性。
-
公开(公告)号：CN113869601A
公开(公告)日：2021-12-31
申请号：CN202111212174.0
申请日：2021-10-18
Applicant: 深圳供电局有限公司 , 南方电网科学研究院有限责任公司
Abstract: 本申请涉及一种电力用户负荷预测方法、装置及设备，该电力用户负荷预测方法通过对待预测负荷电力用户的同一时间长度日负荷曲线进行负荷或者电量曲线聚类、归一化处理，得到该电力用户的典型负荷曲线，根据负荷特征曲线库中是否存在与典型负荷曲线相近的负荷特征曲线采用不同处理方式得到影响待预测负荷电力用户预测的影响因子，将得到负荷影响因子或有效影响因子输入负荷预测模型对待预测负荷电力用户进行负荷预测，提高对力用户负荷预测的效率，减少盲目负荷预测模型的训练，降低了电力用户负荷预测的难度。解决了现有对个体电力用户电力负荷的预测难度大且效率低的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN113610300A
公开(公告)日：2021-11-05
申请号：CN202110905503.3
申请日：2021-08-05
Applicant: 南方电网科学研究院有限责任公司 , 深圳供电局有限公司
IPC: G06Q10/04 , G06F30/27 , G06F16/2458 , G06F16/2457 , G06Q50/06
Abstract: 本发明公开了一种基于用户负荷状态分析的变输入结构的负荷预测方法及模型。本发明构建的预测模型输入因素可变，输入的相关因素通过启发式搜寻得到，使得模型的输入因素与预测对象最为相关。本发明可应对预测对象具有高度的不确定性的预测场景，能够确保预测模型的输入不会对预测造成干扰。
-
公开(公告)号：CN113780679B
公开(公告)日：2024-04-16
申请号：CN202111138775.1
申请日：2021-09-27
Applicant: 深圳供电局有限公司 , 南方电网科学研究院有限责任公司
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/08 , G06F18/23213
Abstract: 本发明公开了一种基于泛在电力物联网的负荷预测方法及装置，其中方法包括：分别获取泛在电力物联网范围内目标用户和其他用户的数据集，对所述数据集进行预处理；其中，所述数据集包括电气数据、用户间关联数据、用户内部的生产要素数据和负荷相关数据；构建基于深度残差网络的特征提取模型，所述特征提取模型提取第一数据集与目标用户的电气数据间的关联特征；构建基于长短期记忆网络的负荷预测模型，所述负荷预测模型根据第二数据集进行负荷预测得到所述目标用户的负荷数据。本发明通过基于注意力机制和长短跳跃连接的长短期记忆网络的负荷预测模型，能降低负荷预测的不确定性，能够提高目标用户的负荷预测准确性。
-
公开(公告)号：CN114460529B
公开(公告)日：2024-10-29
申请号：CN202210122097.8
申请日：2022-02-09
Applicant: 南方电网科学研究院有限责任公司 , 广东电网有限责任公司广州供电局
IPC: G01R35/04
Abstract: 本发明涉及电力数据分析技术领域，公开了一种电能表误差在线评估方法、装置、设备及存储介质。本发明对构建的电能表的数据集进行切片和数据清洗，将各电能表在到货全检时的误差初值代入基于能量守恒的电能表误差求解模型，基于第一个数据集片段对模型进行求解，以获取支路电阻作为初值，还根据异常事件发生前最新的各电能表的误差评估值，计算得到新的支路电阻值，对得到的支路电阻值数据进行变化趋势监控，当分电能表对应的支路电阻的变化较大时，根据该分电能表的电量和台区线损的Pearson相关系数判断该分电能表是否属于疑似超差的目标电能表。本发明可有效解决小电量用户误报问题，降低误报率，且能够及时发现异常用电状态，减少电力企业损失。
-
公开(公告)号：CN118797513A
公开(公告)日：2024-10-18
申请号：CN202410778095.3
申请日：2024-06-17
Applicant: 南方电网科学研究院有限责任公司
IPC: G06F18/2433 , G06F18/213 , G06F18/22 , G06N3/098 , G06N3/0985 , G06N5/04
Abstract: 本发明提供了一种基于大模型上下文学习的电力数据异常监测方法和相关装置，通过边缘服务器的元学习器，将电力数据转换为云端大模型输入的特征向量并转换为上下文提示词，云端大模型基于上下文学习输出对应的预测结果，边缘服务器根据电力数据对元学习器的参数进行更新，并根据云端的集成网络对元学习器进行更新。本发明使用大模型技术进行端到端的学习，从而更好地捕获电力数据中的复杂模式和特征。利用大模型的强泛化能力以及上下文学习的方法，可以更好地处理数据稀疏性和不平衡性问题。结合联邦学习，可以在保护用户隐私的前提下进行模型训练，将模型参数分布在多个参与方中进行计算，从而避免直接共享原始数据，降低隐私泄露风险。
-
公开(公告)号：CN118690270A
公开(公告)日：2024-09-24
申请号：CN202410699182.X
申请日：2024-05-31
Applicant: 南方电网科学研究院有限责任公司
IPC: G06F18/2415 , G06F18/2431 , G06F18/214 , G06F18/25 , G06V20/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06Q50/06 , G06N3/045 , G06N3/084 , G06F123/02
Abstract: 本申请提供的电力负荷数据伪造检测方法、装置、存储介质及相关设备，在检测电力负荷数据时，可以先将电力负荷数据转换为待检测图像，并确定目标数据检测模型，该模型包括多目标预测子模型和多目标优化子模型，其中，多目标预测子模型用于预测多个伪造类型中每一伪造类型对应的伪造概率，而多目标优化子模型用于对各个伪造概率进行概率平均值最大化；因此，将待检测图像输入至目标数据检测模型后，可以得到目标数据检测模型输出的预测伪造结果。本申请搭建的目标数据检测模型，可以在检测过程中利用时序层面上的特征叠加来提高电力场景的适配度，以及利用预测得到的预测伪造结果来进行概率分析，使其更具有科学性，进而提高实际应用价值。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.055 seconds)
