一种台区级电力短期负荷预测方法及系统

    公开(公告)号:CN115730740A

    公开(公告)日:2023-03-03

    申请号:CN202211527225.3

    申请日:2022-11-30

    摘要: 本发明涉及一种台区级电力短期负荷预测方法及系统,属于电力系统负荷预测技术领域。方法包括:根据低压配变的三相负荷序列,建立相应节点的特征序列和邻接矩阵,构建面向低压配电台区负荷预测的时空图数据和图数据样本;基于多源条件数据,构建相应的多源条件数据特征;根据构建的所述时空图数据与所述多源条件数据特征,训练条件自适应时空同步图卷积神经网络CASTSGCN模型;应用训练完成的所述CASTSGCN模型,预测低压配变三相负荷预测值;聚合所述配变三相的负荷预测值,获得下一时刻的低压配电台区的总负荷预测值。本方法有效解决了目前低压配电台区负荷预测忽视台区内用户用电行为之间存在的潜在空间相关性的问题,显著提升了低压配电台区负荷预测的精度。

    一种人工智能自动训练方法、系统、装置及存储介质

    公开(公告)号:CN114757307B

    公开(公告)日:2022-09-06

    申请号:CN202210669062.6

    申请日:2022-06-14

    摘要: 本发明公开了一种人工智能自动训练方法、系统、装置及存储介质,设计面向卷积神经网络、递归神经网络、图卷积神经网络等一系列网络搜索框架,设计电力模型结构相适应的基本操作子,探索可行的模型搜索策略,实现电网应用场景下多任务的自动化训练,降低人工智能模型开发难度,解决传统人工智能算法中特征选择、模型评价等依靠个人经验和繁琐耗时的问题,提高人工智能模型开发效率。本发明可面向调度、运检、安监等领域提供图像识别、视频分析、文本分析、语音识别等人工智能算法自动训练,构建电力输变电设备巡检缺陷故障识别、安全生产监控违规操作识别、电力实体识别等模型,支撑电力调度、运检、安监、营销等各业务人工智能应用。