-
公开(公告)号：CN112712203B
公开(公告)日：2023-09-15
申请号：CN202011600297.7
申请日：2020-12-29
Applicant: 湖南大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/06 , G06N3/08 , G06N3/02 , G06F16/245 , G06F16/215
Abstract: 本发明实施例提供一种配电网日最高负荷预测方法和系统，归纳日负荷曲线的典型形状，基于豪斯多夫距离算法依据日负荷形状划分负荷类型；引入去年同期节假日负荷数据修正模型预测精度，划分训练样本与测试样本；基于弹性网络对每种负荷类型单独构建日最高负荷及其出现时刻预测模型，输入训练样本训练弹性网络，通过网格搜索确定模型最优参数，得到最终预测模型；根据训练好的预测模型对配电网日负荷数据进行预测，得到日最高负荷及其出现时刻预测值。利于提前预估配变承载能力，合理指导变压器与线路增容，辅助基层电力管理人员高效开展迎峰度夏、春节保电等活动。
-
Patent Agency Ranking
公开(公告)号：CN112712203A
公开(公告)日：2021-04-27
申请号：CN202011600297.7
申请日：2020-12-29
Applicant: 湖南大学
IPC: G06Q10/04 , G06Q10/06 , G06Q50/06 , G06N3/08 , G06N3/02 , G06F16/245 , G06F16/215
Abstract: 本发明实施例提供一种配电网日最高负荷预测方法和系统，归纳日负荷曲线的典型形状，基于豪斯多夫距离算法依据日负荷形状划分负荷类型；引入去年同期节假日负荷数据修正模型预测精度，划分训练样本与测试样本；基于弹性网络对每种负荷类型单独构建日最高负荷及其出现时刻预测模型，输入训练样本训练弹性网络，通过网格搜索确定模型最优参数，得到最终预测模型；根据训练好的预测模型对配电网日负荷数据进行预测，得到日最高负荷及其出现时刻预测值。利于提前预估配变承载能力，合理指导变压器与线路增容，辅助基层电力管理人员高效开展迎峰度夏、春节保电等活动。
-
公开(公告)号：CN112488395B
公开(公告)日：2024-04-05
申请号：CN202011386440.7
申请日：2020-12-01
Applicant: 湖南大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/06 , G06F18/23213 , H02J3/00
Abstract: 本发明实施例提供一种配电网线损预测方法及系统，获取并清洗配电网中各线路，各台区的时间序列数据，采用离群点检测方法，检测剔除时间序列的异常数据，并建立插值改进的随机森林模型，填补时间序列缺失数据。根据各时间序列特征的变化规律，计算各特征与线损数据的最大互信息系数，从中选取与线损相关性最大的特征作为线损预测模型的输入特征；根据各台区线损的时间序列数据，采用k均值聚类方法将特性类似的线损数据进行聚类，并且划分每类线损数据集，建立长短期记忆神经网络预测模型，输入训练样本训练长短期记忆神经网络，得到线损预测模型；可以提高配电网短期线损预测的精度，以达到指导配电线损耗管理与增效运行的目的。
-
公开(公告)号：CN112488395A
公开(公告)日：2021-03-12
申请号：CN202011386440.7
申请日：2020-12-01
Applicant: 湖南大学
Abstract: 本发明实施例提供一种配电网线损预测方法及系统，获取并清洗配电网中各线路，各台区的时间序列数据，采用离群点检测方法，检测剔除时间序列的异常数据，并建立插值改进的随机森林模型，填补时间序列缺失数据。根据各时间序列特征的变化规律，计算各特征与线损数据的最大互信息系数，从中选取与线损相关性最大的特征作为线损预测模型的输入特征；根据各台区线损的时间序列数据，采用k均值聚类方法将特性类似的线损数据进行聚类，并且划分每类线损数据集，建立长短期记忆神经网络预测模型，输入训练样本训练长短期记忆神经网络，得到线损预测模型；可以提高配电网短期线损预测的精度，以达到指导配电线损耗管理与增效运行的目的。
-
公开(公告)号：CN113674014B
公开(公告)日：2023-10-20
申请号：CN202110777761.8
申请日：2021-07-07
Applicant: 湖南大学
IPC: G06Q30/0201 , G06Q50/06 , G06Q30/0202
Abstract: 本发明实施例提供一种配电线路日线损率预测方法和系统，通过加入去年同期数据辅助日线损率预测，有效减小了模型预测偏差，提升了模型预测精度；通过降噪自编码器特征提取环节有效减少了模型输入数据中的冗余信息，降低了输入维度；所提出的日线损率预测模型能够有效学习原始输入变量中的多维时间序列，具有较高预测精度。所提方法利于准确把握配电线路线损率短期变化趋势，提升配电网线损精益化管理水平。
-
公开(公告)号：CN113674014A
公开(公告)日：2021-11-19
申请号：CN202110777761.8
申请日：2021-07-07
Applicant: 湖南大学
Abstract: 本发明实施例提供一种配电线路日线损率预测方法和系统，通过加入去年同期数据辅助日线损率预测，有效减小了模型预测偏差，提升了模型预测精度；通过降噪自编码器特征提取环节有效减少了模型输入数据中的冗余信息，降低了输入维度；所提出的日线损率预测模型能够有效学习原始输入变量中的多维时间序列，具有较高预测精度。所提方法利于准确把握配电线路线损率短期变化趋势，提升配电网线损精益化管理水平。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
