电力负荷处理方法和装置
    13.
    发明公开

    公开(公告)号:CN111784019A

    公开(公告)日:2020-10-16

    申请号:CN201911368771.5

    申请日:2019-12-26

    IPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明公开了一种电力负荷处理方法和装置,其中,电力负荷处理方法通过获取多个电力负荷数据,其中,每个电力负荷数据均包括多个时间点与每个时间点对应的电力负荷;使用多个电力负荷数据进行预测训练,得到对电力负荷存在影响的至少一个参数;获取电力系统预计停电的时间段;以及获取预计停电的时间段之前的多个时间点对应的电力负荷;将多个时间点的电力负荷以及电力系统中的至少一个参数的值输入到模型中;进而根据模型的结果得到预计停电的时间段中的电力负荷的技术内容,达到了给大电力负荷变化对电网造成的破坏性冲击、控制电网稳定、经济高效运行等工作提供科学的指导依据的技术效果。

    一种基于交叉验证的台区数据异常甄别方法和装置

    公开(公告)号:CN110807014A

    公开(公告)日:2020-02-18

    申请号:CN201910906640.1

    申请日:2019-09-24

    IPC分类号: G06F16/21 G06F16/28

    摘要: 本发明公开了一种基于交叉验证的台区数据异常甄别方法和装置,首先,对用采数据断点、异常点和现场实际运行数据情况进行统计分析;进而,分别采用原型聚类法、密度聚类法、概率密度法、深度学习方法等四种方法进行异常值的甄别,并比较各模型的异常值判定精度;为避免单一判断准则的随机性与不准确性,将四种模型异常值甄别结果进行相互交叉验证,取其交集为最终的异常值甄别结果;基于已经训练完成的模型,在线监测异常数据,最终建立基于交叉验证的异常数据甄别模型。本发明解决了传统机器学习方法处理海量数据时面临的难度大、效率低、实时性不高等问题。

    一种基于交叉验证的台区数据异常甄别方法和装置

    公开(公告)号:CN110807014B

    公开(公告)日:2022-10-14

    申请号:CN201910906640.1

    申请日:2019-09-24

    IPC分类号: G06F16/21 G06F16/28

    摘要: 本发明公开了一种基于交叉验证的台区数据异常甄别方法和装置,首先,对用采数据断点、异常点和现场实际运行数据情况进行统计分析;进而,分别采用原型聚类法、密度聚类法、概率密度法、深度学习方法等四种方法进行异常值的甄别,并比较各模型的异常值判定精度;为避免单一判断准则的随机性与不准确性,将四种模型异常值甄别结果进行相互交叉验证,取其交集为最终的异常值甄别结果;基于已经训练完成的模型,在线监测异常数据,最终建立基于交叉验证的异常数据甄别模型。本发明解决了传统机器学习方法处理海量数据时面临的难度大、效率低、实时性不高等问题。