一种基于数据智能感知的配网应急物资需求提报方法

    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

    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。

    一种基于文本信息抽取的电力物资需求预测方法

    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

    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。

    一种基于强化学习的电力系统缺陷物资智能调度方法

    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

    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。

    一种基于文本信息抽取的电力物资需求预测方法

    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

    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。

    一种基于强化学习的电力系统缺陷物资智能调度方法

    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

    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。

    一种基于数据智能感知的配网应急物资需求提报方法

    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

    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。

Patent Agency Ranking