-
公开(公告)号:CN112926854B
公开(公告)日:2024-03-29
申请号:CN202110206032.7
申请日:2021-02-24
Applicant: 贵州电网有限责任公司
IPC: G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了一种基于数据智能感知的配网应急物资需求提报方法,接收电力应急物资需求提报人员在事故现场提交应急物资需求,根据需求物资在仓库中的库存情况,启动不同物资需求响应方式;当物资库存满足应急物资需求时,则对相关应急物资需求进行仓库库存智能调配计算,将调配预案反馈给现场物资需求提报人员;当物资库存无法满足应急物资需求时,则从配网物资应急供应主题数据库中选取最新采集的配网物资市场供应商及市场价格信息,对配网物资市场供应商进行打分,计算出推荐供应商名单,生成本次应急物资需求最优供应预案并反馈给现场物资需求提报人员;现场物资需求提报人员根据反馈的调配预案或最优供应预案,反馈给现场应急抢险指挥人员。
-
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。
-
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:CN107798435B
公开(公告)日:2021-08-31
申请号:CN201711095667.4
申请日:2017-11-09
Applicant: 贵州电网有限责任公司
Abstract: 本发明公开了一种基于文本信息抽取的电力物资需求预测方法,包括电力物资需求预测的两步算法,第一步基于文本信息抽取技术对初步设计文档进行处理,抽出去对预测主设备需求量有重要价值的工程属性信息,实现初设文档的结构化表达,然后利用SVM回归算法实现对主设备的需求预测。第二步利用文本分类技术,采用卷积神经网络学习初设文档的稠密向量表达,与主设备需求信息相融合,利用多层神经网络实现非主设备需求量的预测。相对于现有的计算,能够实现的预测物资种类多,预测数据趋于实际,属性较多表达,具有很好的实用性,本发明的物资需求预测方法更符合实际应用要求,能够在初步设计完成后实现物资需求的预测。
-
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:CN112258039A
公开(公告)日:2021-01-22
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:CN107798435A
公开(公告)日:2018-03-13
申请号:CN201711095667.4
申请日:2017-11-09
Applicant: 贵州电网有限责任公司
CPC classification number: G06Q10/04 , G06K9/6256 , G06K9/6269 , G06N3/0454 , G06Q50/06
Abstract: 本发明公开了一种基于文本信息抽取的电力物资需求预测方法,包括电力物资需求预测的两步算法,第一步基于文本信息抽取技术对初步设计文档进行处理,抽出去对预测主设备需求量有重要价值的工程属性信息,实现初设文档的结构化表达,然后利用SVM回归算法实现对主设备的需求预测。第二步利用文本分类技术,采用卷积神经网络学习初设文档的稠密向量表达,与主设备需求信息相融合,利用多层神经网络实现非主设备需求量的预测。相对于现有的计算,能够实现的预测物资种类多,预测数据趋于实际,属性较多表达,具有很好的实用性,本发明的物资需求预测方法更符合实际应用要求,能够在初步设计完成后实现物资需求的预测。
-
公开(公告)号:CN117857088A
公开(公告)日:2024-04-09
申请号:CN202311627610.X
申请日:2023-11-30
Applicant: 贵州电网有限责任公司
Inventor: 王颖舒 , 张娟娟 , 袁舒 , 方浩 , 任未知 , 何肖蒙 , 韦倩 , 桂雨乐 , 彭翔宇 , 李易 , 任艳希 , 徐文山 , 陈宝仁 , 刘康 , 洪寰 , 田勇 , 周洋 , 谢荣斌 , 敖翔 , 敖军 , 黄韬 , 刘旭 , 石际 , 张琳 , 戴雯菊 , 陈珏伊 , 曾茗 , 刘鸿飞 , 李世双 , 潘梓清 , 靳斌 , 王瑞果 , 孙已茹 , 刘莎 , 蒋猛 , 杨攀 , 黄宇 , 潘嵩
IPC: H04L9/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种网络流量异常检测方法、系统、设备及介质,涉及网络流量检测技术领域,包括采集网络流量数据,对数据流进行切分,将切分后的每段数据进行特征提取得到向量v1,对向量v1进行图像操作并作为卷积神经网络的输入;卷积神经网络接收到数据后对数据进行空间特征提取得到向量v2,将v1与v2进行融合得到新的特征v3,对v3进行时序特征提取得到时序特征向量v4;利用激活函数对向量v4进行分类检测,对检测结果进行网络分析或调优分析。本文发明的网络流量异常检测方法可以自动提取网络流量数据的空间特征和时序特征,避免了传统检测方法人工手动提取特征,可以灵活适应不同的网络环境和流量类型。
-
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:CN112926854A
公开(公告)日:2021-06-08
申请号:CN202110206032.7
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数据智能感知的配网应急物资需求提报方法,接收电力应急物资需求提报人员在事故现场提交应急物资需求,根据需求物资在仓库中的库存情况,启动不同物资需求响应方式;当物资库存满足应急物资需求时,则对相关应急物资需求进行仓库库存智能调配计算,将调配预案反馈给现场物资需求提报人员;当物资库存无法满足应急物资需求时,则从配网物资应急供应主题数据库中选取最新采集的配网物资市场供应商及市场价格信息,对配网物资市场供应商进行打分,计算出推荐供应商名单,生成本次应急物资需求最优供应预案并反馈给现场物资需求提报人员;现场物资需求提报人员根据反馈的调配预案或最优供应预案,反馈给现场应急抢险指挥人员。
-
-
-
-
-
-
-
-
-