-
公开(公告)号：CN111639815B
公开(公告)日：2023-09-05
申请号：CN202010490388.3
申请日：2020-06-02
Applicant: 贵州电网有限责任公司
IPC: G06Q10/04 , G06Q50/06 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种多模型融合预测电网缺陷物资的方法及系统，包括，基于不同区域、时间、设备的故障概率策略依次构建回归模型、负反馈神经网络模型、梯度提升树GBDT模型及XgBoost模型；将采集的缺陷物资数据及对应的气象数据统一输入至所述回归模型、所述负反馈神经网络模型、所述梯度提升树GBDT模型及所述XgBoost模型中进行训练；分别输出各个模型对应的预测结果；利用多模型融合策略融合处理训练完成的多个模型形成预测模型并求取所述预测结果的平均值，获得最终的融合预测结果。本发明实现以指导应急抢修物资种类、规模和地点的提前存储，提高电网公司物资管理的前瞻规划能力，在增强电网运行可靠性的同时，降低电网企业运营物资的成本。
-
公开(公告)号：CN113269351A
公开(公告)日：2021-08-17
申请号：CN202110468250.8
申请日：2021-04-28
Applicant: 贵州电网有限责任公司
Abstract: 本发明公开了一种面向电网设备故障概率预测的特征选择方法，包括，融合在线监测数据、历史缺陷数据和气象数据；基于机器学习构建特征选择模型；利用所述特征选择模型将选择的特征去掉冗余特征，仅保留重要特征。本发明利用多种模型对特征进行了筛选，去除了冗余的特征，提高下游的预测任务的性能，同时减少了数据的存储。
-
公开(公告)号：CN112836880A
公开(公告)日：2021-05-25
申请号：CN202110170210.5
申请日：2021-02-08
Applicant: 贵州电网有限责任公司
Abstract: 本发明公开了一种基于RMSE的电网缺陷物资需求准确度的模型融合方法，包括，基于电网设备物资缺陷数据和当前气象数据，训练多个基准模型，输出预测结果；根据所述预测结果的RMSE取值，对所述多个基准模型进行权重评估；利用所述权重进行加权求和，获得高精度的融合预测模型。本发明一方面以均方误差(RMSE)作为权重来对模型进行加权，衡量模型的重要性；另一方面通过加权调整过的数据，验证了本方法确实能够有效提升预测精度，降低预测误差。
-
公开(公告)号：CN112926447A
公开(公告)日：2021-06-08
申请号：CN202110206650.1
申请日：2021-02-24
Applicant: 贵州电网有限责任公司
Abstract: 本发明公开了一种基于图像特征识别的电力物资自动判别方法，包括，基于SIFT算法建立标准物资数据库并存储物资外观图像；利用软件编程技术提取图像SIFT特征的可执行程序，完成图像匹配；根据匹配结果，识别出物资所属的所述标准物资数据库条目中的字段信息，输出至用户的输入界面，完成物资分类识别。本发明基于信息技术手段及SIFT算法实施对电力物资的分类自动识别，运用于实际生产工作，可以极大提高电力物资分类识别的效率和准确性。
-
公开(公告)号：CN112801418A
公开(公告)日：2021-05-14
申请号：CN202110281744.5
申请日：2021-03-16
Applicant: 贵州电网有限责任公司
Abstract: 本发明公开了一种电网缺陷物资预测方法，包括，基于中央处理器的核心数开启多个线程，利用每个线程对每个基模型进行并行训练；分别利用训练后的基模型对电网缺陷物资进行预测，获得对应的预测结果；将基模型的均方根误差的倒数作为基模型的权重；将基模型的权重和预测结果进行加权融合，完成电网缺陷物资预测；本发明通过多线程的方式，提高了训练基模型的速度，以及提高了预测速度；同时通过加权融合多模型，提高了预测的精度。
-
Patent Agency Ranking
公开(公告)号：CN112801417A
公开(公告)日：2021-05-14
申请号：CN202110279904.2
申请日：2021-03-16
Applicant: 贵州电网有限责任公司
Abstract: 本发明公开了一种优化的模型并行的缺陷物资预测方法，包括，基于Spark框架搭建分布式框架；分别在分布式框架的每个从节点上训练一个机器学习模型；将训练完成的机器学习模型分别保存到对应的节点，获得缺陷物资预测模型；利用缺陷物资预测模型对缺陷物资进行预测；本发明通过模型并行的架构，实现多模型的并行训练，提高训练模型的速度，以及提高预测速度；同时通过多模型并行训练，提高了缺陷物资预测精度。
-
公开(公告)号：CN112258039B
公开(公告)日：2022-07-22
申请号：CN202011144804.0
申请日：2020-10-23
Applicant: 贵州电网有限责任公司
Abstract: 本发明公开了一种基于强化学习的电力系统缺陷物资智能调度方法，包括，定义强化学习中的状态、决策、转移方程、奖励函数及物资仓储动态调度问题中的需求和目标；利用马尔科夫决策过程解决所述物资仓储动态调度问题；罗列针对电网缺陷物资的Bellman方程并选择求解策略；将所述Bellman方程修改为数据驱动在线更新的形式，基于ε贪婪策略确定调度行动。本发明提出了基于马尔科夫随机过程和强化学习求解电力系统应急物资的联合控制和调度问题，且“端到端”算法不预测需求，直接做出库存控制和调度决策；同时在真实数据集上得到了验证，有很好的收敛性和增益，证明了方法的可用性与实践价值。
-
公开(公告)号：CN112365077A
公开(公告)日：2021-02-12
申请号：CN202011315338.8
申请日：2020-11-20
Applicant: 贵州电网有限责任公司
Abstract: 本发明公开了一种电网缺陷物资智能仓储调度系统的构建方法，包括，基于开源和采购的气象数据，以及电网系统提供的历史缺陷数据，构建缺陷物资预测模型，并对所述缺陷物资进行预测；融合所述预测的结果，并结合当前物资的仓储状态，构建强化学习模型；利用所述强化学习模型计算仓储物资调度方案，并将所述仓储物资调度方案进行可视化展示。本发明将基于气象数据和历史缺陷数据的缺陷物资预测、基于强化学习的缺陷物资调度进行串联，整合到JavaWeb系统中，实现了智能、易用的系统。
-
公开(公告)号：CN111639815A
公开(公告)日：2020-09-08
申请号：CN202010490388.3
申请日：2020-06-02
Applicant: 贵州电网有限责任公司
Abstract: 本发明公开了一种多模型融合预测电网缺陷物资的方法及系统，包括，基于不同区域、时间、设备的故障概率策略依次构建回归模型、负反馈神经网络模型、梯度提升树GBDT模型及XgBoost模型；将采集的缺陷物资数据及对应的气象数据统一输入至所述回归模型、所述负反馈神经网络模型、所述梯度提升树GBDT模型及所述XgBoost模型中进行训练；分别输出各个模型对应的预测结果；利用多模型融合策略融合处理训练完成的多个模型形成预测模型并求取所述预测结果的平均值，获得最终的融合预测结果。本发明实现以指导应急抢修物资种类、规模和地点的提前存储，提高电网公司物资管理的前瞻规划能力，在增强电网运行可靠性的同时，降低电网企业运营物资的成本。
-
公开(公告)号：CN111598288A
公开(公告)日：2020-08-28
申请号：CN202010132425.3
申请日：2020-02-29
Applicant: 贵州电网有限责任公司
Abstract: 本发明公开了一种基于物资全过程数据的物资需求预测管理方法，包括利用物资全过程数据平台获取电力物资全过程数据；根据获取的数据对电力物资需求进行预测；优化电力物资的存储模式；综合管理电力物资动态仓储。本发明的有益效果：本发明针对应急物资利用大数据分析技术对不同时间、不同地点、不同设备的运行状态和环境进行预测，实现以指导应急抢修物资种类、规模和地点的提前存储，提高电网公司物资管理的前瞻性，在确保电网运行可靠性支撑的同时降低电网企业的运行成本。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
