-
公开(公告)号：CN112836883A
公开(公告)日：2021-05-25
申请号：CN202110178047.7
申请日：2021-02-08
Applicant: 贵州电网有限责任公司
Abstract: 本发明公开了一种自适应的两级电网缺陷物资预测方法，包括，基于缺陷物资数据和气象数据，对每个基学习器进行最优化训练，得到均方误差；对所述基学习器的RMSE进行排序，自适应选择所述均方误差最小值对应的基学习器模型作为预测模型；遍历全局的物资数据，得到二级缺陷物资预测模型。本发明通过自适应基学习器选择模型，实现了一个模型对所有区县的所有缺陷物资的预测；另一方面通过自适应的基学习器的选择，相比单一模型，整体上降低了缺陷物资的预测误差。
-
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：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：CN112801418B
公开(公告)日：2023-10-10
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。
-
公开(公告)号：CN113516280A
公开(公告)日：2021-10-19
申请号：CN202110466623.8
申请日：2021-04-28
Applicant: 贵州电网有限责任公司
Abstract: 本发明公开了一种基于大数据的电网设备故障概率预测的优化方法，包括，采集电网设备的历史缺陷数据、在线监测数据以及气象数据；针对每类物资，基于机器学习训练多个故障概率预测模型；利用所述故障概率预测模型，结合采集的所述数据进行物资的故障概率预测。本发明通过多模型融合，以及多数据源的融合，提高了缺陷物资预测精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
