-
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：CN112365077A
公开(公告)日：2021-02-12
申请号：CN202011315338.8
申请日：2020-11-20
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智能仓储调度系统的构建方法，包括，基于开源和采购的气象数据，以及电网系统提供的历史缺陷数据，构建缺陷物资预测模型，并对所述缺陷物资进行预测；融合所述预测的结果，并结合当前物资的仓储状态，构建强化学习模型；利用所述强化学习模型计算仓储物资调度方案，并将所述仓储物资调度方案进行可视化展示。本发明将基于气象数据和历史缺陷数据的缺陷物资预测、基于强化学习的缺陷物资调度进行串联，整合到JavaWeb系统中，实现了智能、易用的系统。
-
公开(公告)号：CN111639815A
公开(公告)日：2020-09-08
申请号：CN202010490388.3
申请日：2020-06-02
Applicant: 贵州电网有限责任公司
Abstract: 本发明公开了一种多模型融合预测电网缺陷物资的方法及系统，包括，基于不同区域、时间、设备的故障概率策略依次构建回归模型、负反馈神经网络模型、梯度提升树GBDT模型及XgBoost模型；将采集的缺陷物资数据及对应的气象数据统一输入至所述回归模型、所述负反馈神经网络模型、所述梯度提升树GBDT模型及所述XgBoost模型中进行训练；分别输出各个模型对应的预测结果；利用多模型融合策略融合处理训练完成的多个模型形成预测模型并求取所述预测结果的平均值，获得最终的融合预测结果。本发明实现以指导应急抢修物资种类、规模和地点的提前存储，提高电网公司物资管理的前瞻规划能力，在增强电网运行可靠性的同时，降低电网企业运营物资的成本。
-
公开(公告)号：CN111598288A
公开(公告)日：2020-08-28
申请号：CN202010132425.3
申请日：2020-02-29
Applicant: 贵州电网有限责任公司
Abstract: 本发明公开了一种基于物资全过程数据的物资需求预测管理方法，包括利用物资全过程数据平台获取电力物资全过程数据；根据获取的数据对电力物资需求进行预测；优化电力物资的存储模式；综合管理电力物资动态仓储。本发明的有益效果：本发明针对应急物资利用大数据分析技术对不同时间、不同地点、不同设备的运行状态和环境进行预测，实现以指导应急抢修物资种类、规模和地点的提前存储，提高电网公司物资管理的前瞻性，在确保电网运行可靠性支撑的同时降低电网企业的运行成本。
-
-
-
Search Results
14
records
(took 0.029 seconds)
