一种基于深度对抗训练的智能电网动态图数据生成方法

    公开(公告)号:CN119090994A

    公开(公告)日:2024-12-06

    申请号:CN202411010831.7

    申请日:2024-07-26

    Abstract: 本发明涉及一种基于深度对抗训练的智能电网动态图数据生成方法,包括以下步骤:获取智能电网时序图数据,输入基于深度对抗训练的智能电网动态图数据生成模型,生成智能电网动态数据图;基于深度对抗训练的智能电网动态图数据生成模型包括采样模块、生成对抗网络和重构模块,其中,采样模块用于使用中心图采样方法生成中心图;生成对抗网络包括生成器和判别器,生成器包括解码器和编码器,编码器用于通过基于多头自注意力机制构建的时序图自注意力网络对中心图进行编码,获得中心图的隐变量;重构模块用于根据中心图得分矩阵生成每条时序边的分类分布,进而生成智能电网动态数据图。与现有技术相比,本发明可以高效、可靠生成智能电网动态数据图。

    一种电力数据共享方法、装置和介质

    公开(公告)号:CN117852051B

    公开(公告)日:2024-09-24

    申请号:CN202311707697.1

    申请日:2023-12-12

    Abstract: 本发明涉及一种电力数据共享方法、装置和介质,包括以下步骤:建立共享查询表,所述共享查询表包括第一数据单元和第二数据单元;接收共享配置信息和与所述共享配置信息一一对应的共享电力数据,生成相应共享电力数据的访问路径,存储至所述第一数据单元;获取所述第一数据单元中各访问路径的累计共享信息,判断是否满足第一转移条件,若是,则将相应访问路径转移至所述第二数据单元中;接收访问请求并进行一次验证,一次验证通过后依次判断所述第一数据单元和所述第二数据单元中是否存在符合条件的访问路径,若是,则发送相应访问路径,共享对应的电力数据。与现有技术相比,本发明可以保证电力数据数据共享的安全性和高效性。

    一种融合形态聚类及TCN-Attention的短期负荷预测方法

    公开(公告)号:CN111815035B

    公开(公告)日:2024-01-30

    申请号:CN202010571442.7

    申请日:2020-06-22

    Abstract: 本发明涉及一种融合形态聚类及TCN‑Attention的短期负荷预测方法,包括以下步骤:S1:对负荷历史日数据进行形态聚类,形成多个负荷相似日簇;S2:对影响负荷预测的数据进行预处理,获取待预测日负荷预测的影响因素数据;S3:根据各负荷相似日簇与影响因素数据的相似性为待预测日选择对应的相似日簇训练子集;S4:将待预测日对应的相似日簇训练子集输入到预测模型进行训练;S5:输入待预测日的影响因素数据至训练完成的预测模型,输出短期负荷预测值;所述的预测模型包括依次连接的输入层、TCN残差模块、Attention机制模块和输出层,与现有技术相比,本发明具有预测速度快且预测(56)对比文件李鹏辉;崔承刚;杨宁;陈辉.基于ARIMALSTM组合模型的楼宇短期负荷预测方法研究.上海电力学院学报.2019,(第06期),全文.张冰;周步祥;石敏;魏金萧.基于灰色关联分析与随机森林回归模型的短期负荷预测.水电能源科学.2017,(第04期),全文.吴云;雷建文;鲍丽山;李春哲.基于改进灰色关联分析与蝙蝠优化神经网络的短期负荷预测.电力系统自动化.2018,(第20期),全文.

Patent Agency Ranking