-
公开(公告)号：CN114048263A
公开(公告)日：2022-02-15
申请号：CN202111351843.2
申请日：2021-11-16
申请人： 南方电网科学研究院有限责任公司 , 北京清软创新科技股份有限公司
摘要： 本发明公开了一种电力市场数据可视化展示装置，包括获取电网中系统网架的物理数据、确定数据中各因素变量、建立数据模型、对多个电力市场模型数据进行对比分析、通过装置对其进行可视化展示。本发明通过装置内部获取模块、分析模块、展示模块实现获取电网中系统网架的物理数据、建立数据模型、对多个电力市场模型数据进行对比分析、通过装置对其进行可视化展示，实现对多个电力市场交易出清模拟场景进行同时对比分析与可视化展示，能够清晰的展示电力市场数据，能够对电力市场数据进行综合评价指标，方便人们的使用。
-
公开(公告)号：CN113052385A
公开(公告)日：2021-06-29
申请号：CN202110333126.0
申请日：2021-03-29
申请人： 国网河北省电力有限公司经济技术研究院 , 国家电网有限公司 , 北京清软创新科技股份有限公司
摘要： 本发明适用于电力系统技术领域，提供了一种钢铁行业用电量的预测方法、装置、设备和存储介质，其中，该预测方法包括：获取目标地区在预设时段内每个单位时段的钢铁行业生产活力度值；钢铁行业生产活力度值基于目标地区在预设时段内每个单位时段的多个维度活力度值得到，多个维度活力度值至少包括铁矿石生产活力度值、粗钢生产活力度值、汽车生产活力度值和房地产新开工施工面积活力度值；利用多种预设回归模型，分别建立每种预设回归模型下钢铁行业生产活力度值与目标地区在预设时段内各个单位时段的钢铁行业用电量的预测模型；根据具有最大拟合优度的预测模型，预测目标地区的钢铁行业用电量。采用本发明可以提高铁行业用电量的预测准确度。
-
公开(公告)号：CN111008455A
公开(公告)日：2020-04-14
申请号：CN201911060506.0
申请日：2019-11-01
申请人： 国网河南省电力公司电力科学研究院 , 北京清软创新科技股份有限公司
摘要： 本发明公开了一种中期风电场景生成方法和系统，涉及风能发电领域。该方法包括：获取预设条件和风电电量数据，所述预设条件包括风电总能量的区间类型或总时间分辨率；将所述预设条件和所述风电电量数据输入到优化后的中期风电场景生成模型中，生成中期风电场景的风电时序曲线；所述中期风电场景生成模型中的生成器和辨别器中的卷积层由时序增强模块替换；所述时序增强模块用于重建特征图的时序关联，输出具有N阶差分特性的卷积特征图，通过时序增强模块重建特征图的时序关联，输出具有N阶差分特性的卷积特征图，能够达到有效解决中期风电场景的风电时序曲线的波动偏移。
-
公开(公告)号：CN110633842A
公开(公告)日：2019-12-31
申请号：CN201910769833.7
申请日：2019-08-20
申请人： 广州供电局有限公司 , 北京清软创新科技股份有限公司
摘要： 本发明涉及一种220kV母线负荷预测结果调整方法、系统、介质及设备。其中的方法包括：接收检修单信息；解析所述检修单信息，提取出至少一个元件，并确定所述至少一个元件的元件类型；根据电网模型确定所述至少一个元件与其他元件的连接状态；根据所述至少一个元件与其他元件的连接状态以及所述至少一个元件的元件类型，确定预测母线中被转移的负荷量；根据所述被转移的负荷量调整所述预测母线的负荷预测结果。本发明通过对检修单信息进行解析，并根据检修单信息解析结果，自动调整预测母线的负荷预测结果，达到减少人工干预、以及提高调整效率的目的。
-
公开(公告)号：CN105260802B
公开(公告)日：2019-11-19
申请号：CN201510751803.5
申请日：2015-11-06
申请人： 国网冀北电力有限公司 , 北京清软创新科技股份有限公司
摘要： 本发明公开了一种基于修正业扩生长曲线与季节调整的月度电量预测方法，采用不同方式实现了对用户个体和行业整体的月度电量曲线的预测，并借助对用户个体的用电生长曲线的拟合提取出相应的关键参量，用以修正行业整体的业扩生长曲线，从而使得行业整体的电量预测更加准确。针对某地区钢铁行业的月度电量预测进行了实证分析，预测结果表明本发明所提出的预测方法能够准确地对用户个体和行业整体的月度电量进行预测，证明了本发明预测方法的有效性。
-
公开(公告)号：CN107769245A
公开(公告)日：2018-03-06
申请号：CN201710793022.1
申请日：2017-09-05
申请人： 清华大学 , 国网冀北电力有限公司 , 北京清软创新科技股份有限公司
发明人： 孙荣富 , 王东升 , 施贵荣 , 宁文元 , 梁吉 , 王靖然 , 王若阳 , 丁然 , 徐海翔 , 范高锋 , 梁志峰 , 丁华杰 , 王冠楠 , 徐忱 , 鲁宗相 , 乔颖 , 刘梅 , 罗欣 , 廖晔
IPC分类号： H02J3/38
CPC分类号： Y02E10/763 , H02J3/386 , H02J2003/007
摘要： 本发明公开了一种考虑风电功率波动概率特性的主导节点选择方法，首先统计控制区域内风电场注入功率在峰、腰和谷负荷时段的概率分布，通过函数拟合获取注入功率的概率分布密度函数，并在峰、腰和谷负荷运行方式基础上叠加风电场的随机注入功率，形成系统的各种随机运行状态，其出现概率由各风电场注入功率概率分布特性决定。然后获取各运行扶态下的灵敏度矩阵，通过施加随机扰动，选取消除电压偏差可使其余负荷节点电压偏移在各种运行状态下期望最小的节点作为主导节点。仿真结果表明，该方法可有效反映风电功率概率特性对主导节点电压的影响，为大规模风电并网情况下主导节点电压控制提供指导。
-
公开(公告)号：CN114155038B
公开(公告)日：2024-05-31
申请号：CN202111503301.2
申请日：2021-12-09
申请人： 国网河北省电力有限公司营销服务中心 , 国家电网有限公司 , 国网河北省电力有限公司 , 北京清软创新科技股份有限公司
IPC分类号： G06Q30/0201 , G06Q30/0202 , G06Q50/06 , G06F18/2431
摘要： 本发明涉及用电数据分析技术领域，尤其涉及一种受疫情影响用户识别方法，本发明方法通过获取疫情用电分类模型、用户标签以及用电数据，通过用户标签对用户群体进行分类，将分类后的用户群体送入到分类模型中，确定分类标准，完成对用户群体的分类。该分类方法，根据标签分类，可以实现将大数据分为相对较小的数据进行处理，因此，降低了每次进行分类处理数据运算的复杂程度，且通过先根据标签分类，后对疫情影响分类，可以对不同的群体分别获取疫情影响数据，为后续的有针对性的供电工作提供了必要的数据支撑。
-
公开(公告)号：CN117833231A
公开(公告)日：2024-04-05
申请号：CN202410015232.8
申请日：2024-01-04
申请人： 国网安徽省电力有限公司 , 北京清软创新科技股份有限公司
IPC分类号： H02J3/00 , G06N3/0442 , G06N3/045 , G06N3/08 , G06Q50/06
摘要： 本申请适用于负荷预测技术领域，提供了基于Bi‑LSTM和双重注意力机制的负荷预测方法，该方法包括：获取目标电网的第一历史时段的影响因素数据和电网负荷数据；影响因素数据为影响电网负荷的因素数据；影响因素数据包括光伏发电数据和用户负荷数据；将第一历史时段的影响因素数据和电网负荷数据输入至预先建立的周期记忆神经网络模型进行训练，得到训练好的周期记忆神经网络模型；周期记忆神经网络模型包括双重注意力机制、Bi‑LSTM神经网络和残差神经网络；基于目标电网的待预测时段的影响因素数据以及训练好的周期记忆神经网络模型，预测目标电网在待预测时段的电网负荷数据。本申请能够有效提高电网负荷的预测精度。
-
公开(公告)号：CN116090597A
公开(公告)日：2023-05-09
申请号：CN202211493565.9
申请日：2022-11-25
申请人： 国家电网有限公司华北分部 , 北京清软创新科技股份有限公司
摘要： 本发明涉及电力数据技术领域，具体涉及一种短期电网负荷预测模型的方法，包括如下步骤：步骤1；构建了短期用电负荷预测模型；步骤2；提出了一种基于深度神经网络和ResBlock迭代的短期负荷预测方法，用于学习不同用电量之间行为，建立内在的时空相关性，在这一部分同时考虑到时间长度的寻优；步骤3；提高模型训练的速度，提出了采用动量法和小批量梯度下降的组合方法进行参数寻优；本发明利用不同类型的用电行为之间的时空相关性来提高电网短期负荷预测的性能，提升负荷预测精度，进一步的提高模型训练的速度和泛化性。
-
公开(公告)号：CN114331101A
公开(公告)日：2022-04-12
申请号：CN202111613923.0
申请日：2021-12-27
申请人： 国网河北省电力有限公司经济技术研究院 , 国网河北省电力有限公司 , 国家电网有限公司 , 北京清软创新科技股份有限公司
摘要： 本发明涉及电力数据处理技术领域，尤其涉及一种行业用电量预测方法，本发明方法其通过相关性系数，对行业用电因素进行筛选，仅保留了相关性高的因素，并在此基础上，通过聚类模型对筛选后的数据进行聚类，使得数据量进一步得到压缩。最后，通过预测模型获取行业用电量预测结果。本发明方法，降低了网络数据传输的总量，在保证预测准确率的前提下，降低了预测计算的复杂程度和预测的难度。
-
-
-
-
-
-
-
-
-
搜索结果
107 条记录 (耗时 0.144 秒)