-
公开(公告)号：CN113256036A
公开(公告)日：2021-08-13
申请号：CN202110791617.X
申请日：2021-07-13
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司湖州供电公司
摘要： 本发明公开了基于Prophet‑LSTNet组合模型的供电成本分析预测方法，解决了现有技术的不足，包括以下步骤：步骤1，获取一段时间内历史每日供电成本数据，并将供电成本数据输入Prophet模型；步骤2，通过Prophet模型对供电成本数据分解成非线性趋势成分数据、季节性成分数据以及假日成分数据；步骤3，进行特征工程建设，得到供电成本数据的多维特征；步骤4，将供电成本数据的多维特征作为参数输入LSTNet模型，将非线性趋势成分数据输入LSTNet模型，对LSTNet模型进行训练，寻找供电成本数据的多维特征与非线性趋势成分数据之间的依赖关系，训练并交替更新LSTNet模型及非线性趋势成分数据权重参数；步骤5，对供电成本进行预测，得到预测结果。
-
公开(公告)号：CN115018906A
公开(公告)日：2022-09-06
申请号：CN202210431220.4
申请日：2022-04-22
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司湖州供电公司
IPC分类号： G06T7/70 , G06V20/40 , G06V10/50 , G06V10/56 , G06V10/80 , G06V10/82 , G06V10/771 , G06N3/04
摘要： 本发明公开了一种基于组特征选择与判别相关滤波联合的电网变电检修作业人员跟踪方法，包括以下步骤：S1：获取电网变电检修作业人员的作业视频图像，将特征融合，构成多通道特征矩阵；S2：根据当前帧的多通道特征矩阵及相应的响应图估计当前帧的判别相关滤波器；S3：根据当前帧的判别相关滤波器估计值与上一帧的判别相关滤波器更新当前帧的判别相关滤波器；S4：提取下一帧的多通道特征矩阵，并根据当前帧的判别相关滤波器计算作业人员目标定位响应图，获得电网变电检修作业人员目标位置结果；本发明实现相关空间信道特征在一个动态的低维子空间中突出和一致性显示，能够有效减轻时间滤波器的退化。
-
公开(公告)号：CN113742759A
公开(公告)日：2021-12-03
申请号：CN202111297477.7
申请日：2021-11-04
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司绍兴供电公司
摘要： 本发明公开了一种财务核算系统数据加密方法及装置，利用密钥本身的加密属性，进行了连环、串联式的加解密，对于每一份传输的数据来说，多次的加解密提高了安全性，同时对于发送方和接收方来说，多次加解密使用的密钥不需要每次联络和商定，也不需要区分多个密钥池，避免了繁琐的密钥沟通过程。另外加入了排序作为解密信息，该信息由于包含两种条件，因此截取难度大幅增加，从更多的维度增加了加密的可靠性和破解难度。
-
公开(公告)号：CN110782121A
公开(公告)日：2020-02-11
申请号：CN201910865960.7
申请日：2019-09-09
申请人： 国网浙江省电力有限公司经济技术研究院 , 国网浙江省电力有限公司
摘要： 本发明公开了电力系统可控费用预算方法，包括检修运维费用、营销项目费用和其他运营费用，分别建立检修运维费用、营销项目费用和其他运营费用模型，然后建立可控费用模型，代入往年数据得到电力系统可控费用预算。本发明的优点是：结合各类可控费用预算安排指标体系，分别验证检修运维费用、营销项目费用、其他运营费用三类可控费用的建模适应性，可采用多元线性回归模型和多元曲线回归模型测算指标的依赖程度。对提高财务预算决策的科学性、提升财务预算在公司管理层面的引导性具有重要意义。
-
公开(公告)号：CN117764638A
公开(公告)日：2024-03-26
申请号：CN202410185986.8
申请日：2024-02-20
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司综合服务中心
IPC分类号： G06Q30/0202 , G06Q50/06
摘要： 本发明提供了一种供电企业售电数据预测方法、系统、设备及存储介质，所述方法为获取目标区域的供电企业历史售电量数据和售电量影响因素数据，根据目标区域获取对应的区域季节性月份，分别对各个区域季节性月份的供电企业历史售电量数据和售电量影响因素数据进行分析得到季节性关键售电影响因子后，根据季节性关键售电影响因子得到季节性售电预测数据集，并根据季节性售电预测数据集构建季节性日售电量预测模型，以及根据待预测时段获取的季节性日售电量预测模型对待预测时段进行售电量预测分析得到对应的售电量预测结果。本发明能提升售电量预测模型构建的有效性，进而保证不同地区的供电淡旺季售电量数据预测分析的高效性和精准性。
-
公开(公告)号：CN113610331B
公开(公告)日：2021-12-31
申请号：CN202111169636.5
申请日：2021-10-08
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司绍兴供电公司
IPC分类号： G06Q10/04 , G06Q10/10 , G06Q30/02 , G06Q50/06 , G06F16/906
摘要： 本发明提供一种基于信息瀑布的成本核算方法、装置及存储介质，对接收到的预算数据进行分类得到多个子分类数据，每个子分类数据分别包括工具属性信息以及工具数量信息；基于工具属性信息通过信息瀑布的方式选择对应的目标工具信息；根据目标工具信息和工具数量信息计算得到第一子预算信息；根据所述工具数量信息得到偏移值、第一偏移预算信息和第二偏移预算信息；基于多个第一偏移预算信息和多个第二偏移预算信息得到第一成本值、第二成本值和成本核算区间。本发明能够通过人工智能的方式，基于信息瀑布的原理，实现机器、客观的成本核算，使得成本核算的客观性和准确性能够有所保障，所生成的成本核算结果为一个区间值，参考性较强。
-
公开(公告)号：CN113610331A
公开(公告)日：2021-11-05
申请号：CN202111169636.5
申请日：2021-10-08
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司绍兴供电公司
IPC分类号： G06Q10/04 , G06Q10/10 , G06Q30/02 , G06Q50/06 , G06F16/906
摘要： 本发明提供一种基于信息瀑布的成本核算方法、装置及存储介质，对接收到的预算数据进行分类得到多个子分类数据，每个子分类数据分别包括工具属性信息以及工具数量信息；基于工具属性信息通过信息瀑布的方式选择对应的目标工具信息；根据目标工具信息和工具数量信息计算得到第一子预算信息；根据所述工具数量信息得到偏移值、第一偏移预算信息和第二偏移预算信息；基于多个第一偏移预算信息和多个第二偏移预算信息得到第一成本值、第二成本值和成本核算区间。本发明能够通过人工智能的方式，基于信息瀑布的原理，实现机器、客观的成本核算，使得成本核算的客观性和准确性能够有所保障，所生成的成本核算结果为一个区间值，参考性较强。
-
公开(公告)号：CN113256020A
公开(公告)日：2021-08-13
申请号：CN202110661228.5
申请日：2021-06-15
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司湖州供电公司
摘要： 本发明公开了一种考虑多尺度时间序列的供电系统成本预测方法，包括如下步骤：S1、搜集供电系统历史成本数据降噪处理后，可视化得到训练集Tr和测试集Tx；S2、对历史成本数据按日为单位进行特征工程建设得到成本的数据结构；S3、采用Prophet模型对训练集Tr的多尺度时间序列进行平稳化处理；S4、采用LSTNet网络模型对分解后的时间序列各项进行建模并引入基于特征的注意力机制；S5、用测试集Tx对Prophet‑LSTNet组合预测模型进行可靠性验证；若可靠性不足，执行S4，若可靠性合格，执行S6；S6、得到的Prophet‑LSTM组合预测模型对供电系统成本进行预测，输出预测结果；Prophet‑LSTNet组合预测模型针对多尺度时间序列的多维成本数据预测，预测结果更加稳定可靠。
-
公开(公告)号：CN113256036B
公开(公告)日：2021-10-12
申请号：CN202110791617.X
申请日：2021-07-13
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司湖州供电公司
摘要： 本发明公开了基于Prophet‑LSTNet组合模型的供电成本分析预测方法，解决了现有技术的不足，包括以下步骤：步骤1，获取一段时间内历史每日供电成本数据，并将供电成本数据输入Prophet模型；步骤2，通过Prophet模型对供电成本数据分解成非线性趋势成分数据、季节性成分数据以及假日成分数据；步骤3，进行特征工程建设，得到供电成本数据的多维特征；步骤4，将供电成本数据的多维特征作为参数输入LSTNet模型，将非线性趋势成分数据输入LSTNet模型，对LSTNet模型进行训练，寻找供电成本数据的多维特征与非线性趋势成分数据之间的依赖关系，训练并交替更新LSTNet模型及非线性趋势成分数据权重参数；步骤5，对供电成本进行预测，得到预测结果。
-
公开(公告)号：CN113256020B
公开(公告)日：2021-10-08
申请号：CN202110661228.5
申请日：2021-06-15
申请人： 国网浙江省电力有限公司 , 国网浙江省电力有限公司湖州供电公司
摘要： 本发明公开了一种考虑多尺度时间序列的供电系统成本预测方法，包括如下步骤：S1、搜集供电系统历史成本数据降噪处理后，可视化得到训练集Tr和测试集Tx；S2、对历史成本数据按日为单位进行特征工程建设得到成本的数据结构；S3、采用Prophet模型对训练集Tr的多尺度时间序列进行平稳化处理；S4、采用LSTNet网络模型对分解后的时间序列各项进行建模并引入基于特征的注意力机制；S5、用测试集Tx对Prophet‑LSTNet组合预测模型进行可靠性验证；若可靠性不足，执行S4，若可靠性合格，执行S6；S6、得到的Prophet‑LSTM组合预测模型对供电系统成本进行预测，输出预测结果；Prophet‑LSTNet组合预测模型针对多尺度时间序列的多维成本数据预测，预测结果更加稳定可靠。
-
-
-
-
-
-
-
-
-
搜索结果
40 条记录 (耗时 0.064 秒)
