一种基于深度强化学习的空气预热器区域识别方法

    公开(公告)号:CN115240122A

    公开(公告)日:2022-10-25

    申请号:CN202211158753.6

    申请日:2022-09-22

    摘要: 本发明涉及一种基于深度强化学习的空气预热器区域识别方法,选取视频流中运行状态图像的识别区域,并选取模板帧,将视频流中运行状态图像都送入已经训练好的最优支持向量机模型进行分类,随后使用NanoDet模型对分类得到的运行状态图像的识别区域进行检测,得到所需特征点,以模板帧为NanoDet模型输出结果进行特征点仿射匹配,完成对检测帧的网格区域识别,从而对空气预热器转子的网格区域识别。本发明使用支持向量机模型对视频流进行分类得到最佳检测帧,使用NanoDet模型对最佳检测帧进行检测,最后使用仿射变换得到运行状态图像中其他区域的具体位置,可以较好完成空气预热器区域定位任务。

    公变台区需求响应成效预测模型构建方法及装置

    公开(公告)号:CN114819397A

    公开(公告)日:2022-07-29

    申请号:CN202210561688.5

    申请日:2022-05-23

    摘要: 本发明属于供电需求管理技术领域,公开了一种公变台区需求响应成效预测模型构建方法及装置,结合历史需求响应开展情况,分析影响需求响应效果的因素,确定输入量和输出量;基于改进PSO算法和SVR模型搭建改进PSO‑SVR需求响应效果预测模型;输入训练数据进行参数寻优,确定最优的惩罚函数和最优核参数;构建最优改进PSO‑SVR需求响应效果预测模型并进行训练和预测。本发明考虑了需求响应方案对居民用户需求响应成效的影响,使用改进PSO算法对SVR模型关键参数寻优,提升了收敛速度和寻优效果。

    基于随机森林分类算法的线变关系校核方法

    公开(公告)号:CN114626487A

    公开(公告)日:2022-06-14

    申请号:CN202210525860.1

    申请日:2022-05-16

    IPC分类号: G06K9/62 G06F17/16 G06Q50/06

    摘要: 本发明公开了一种基于随机森林分类算法的线变关系校核方法,收集配电变压器历史某日的三相电压幅值,得到电压时间序列数据;对电压时间序列数据进行预处理并替换异常值;然后进行平滑化处理和标准化处理;之后对电压时间序列数据进行特征构造,生成特征矩阵;将生成的特征矩阵输入随机森林模型学习调参得到基于随机森林算法的线变关系校核模型;将待校核的线路配电变压器的电压数据通过预处理、特征构造生成特征矩阵,将特征矩阵输入训练好的基于随机森林算法的线变关系校核模型进行校核,输出最终的校核结果。本发明解决了10kV线路集群线变关系校核阈值动态变化难以确定的问题,可有效提升线变关系的自动化校核程度。

    一种基于最大互信息的离群配电变压器辨识方法

    公开(公告)号:CN111339482A

    公开(公告)日:2020-06-26

    申请号:CN202010185979.X

    申请日:2020-03-17

    摘要: 本发明公开了一种基于最大互信息的离群配电变压器辨识方法,具体步骤有:1、将配电网中10kV馈线下所有配电变压器视为一个群集,并从电力营销部门用电采集系统导出群集所有配电变压器出口电压时间序列数据;2、对原始数据进行预处理,具体包含完整度计算、时标对齐、三相电压平衡归算;3、对预处理后的电压时间序列数据进行最大互信息系数计算;4、绘制最大互信息图谱;5、筛选离群配电变压器。本发明基于现有配电台区用电采集系统数据进行离群配电变压器辨识,利用线上数据分析方式替代现有人工实地巡线排查方式,大幅降低人工成本,能简单、实时、有效地解决10kV配电网拓扑关系混乱的问题。