-
公开(公告)号:CN114266593A
公开(公告)日:2022-04-01
申请号:CN202111568968.0
申请日:2021-12-21
申请人: 云南电网有限责任公司电力科学研究院
摘要: 本发明公开一种基于KPCA和线性回归的电力消费预测方法,将收集到的预设时间段的城市变量经过PCA和KPCA进行处理后得到的PCA处理变量和KPCA处理变量,再将PCA处理变量和KPCA处理变量分为训练集、试验集和预测集后带入到线性回归模型中,选择最优模型得到预测结果。经验证本方法所得预测结果与实际电力消费结果吻合程度较高,可以通过本方法对已发生时间段的电力预测消费进行计算。通过结合KPCA方法和线性回归模型的方式,在城市变量样本较少的情况下,对预测年份或时间段的电力消费情况进行预测,解决了现有用电消费预测模型的不稳定性和不确定性,减小预测结果与实际情况的误差。
-
公开(公告)号:CN114020827A
公开(公告)日:2022-02-08
申请号:CN202111326435.1
申请日:2021-11-10
申请人: 云南电网有限责任公司电力科学研究院
摘要: 本申请提供一种基于大数据的环境监测平台及方法,监测平台包括数据接口模块、并行计算储存模块、数据处理模块、应用表示模块、加密模块和解密模块。并行计算储存模块提供并行式计算和数据存储服务。数据接口模块是平台数据的唯一来源,用于采集原始数据,原始数据包括环保部门的监测数据、第三方数据、互联网数据以及用户上传数据等。原始数据可以加密上传,加密后的数据解密后可用于计算分析。数据处理模块对所述原始数据进行统计分析和挖掘预警,得到成果数据。应用表示模块将成果数据进行分类展示。本申请提供的一种基于大数据的环境监测平台及方法,可以把整个地区的环境情况展现给公众,实现对环境动态变化的监督和预测,提高环境管理效率。
-
公开(公告)号:CN113918097A
公开(公告)日:2022-01-11
申请号:CN202111230912.4
申请日:2021-10-22
申请人: 云南电网有限责任公司电力科学研究院
IPC分类号: G06F3/06 , G06F9/50 , G06F16/182
摘要: 本申请提供了一种分布式存储方法及系统,通过建立全局映射表储存元数据和元数据的地址形成的映射关系,便于对目标元数据及文件数据进行访问。又通过对元数据服务器负载状态的分析,释放高负载状态的元数据服务器的存储空间,同时将元数据优先配置给低负载状态的元数据服务器,提高了低负载状态的元数据服务器的利用率,解决了元数据服务器动态负载分配不均的问题。
-
公开(公告)号:CN113837497A
公开(公告)日:2021-12-24
申请号:CN202111299111.3
申请日:2021-11-04
申请人: 云南电网有限责任公司电力科学研究院
摘要: 本申请提供一种基于时间序列的电力消费预测方法及系统,在实际应用中,首先获取目标省份的原始数据,对所述原始数据做对数运算,获取预处理数据。再对预处理后的电力消费总量数据和地区生产总值数据以及产业结构电力消费数据和产业结构生产总值数据做平稳性检验、协整检验和格兰杰因果检验,获取电力消费和生产总值的协整关系和因果关系。最后建立线性回归模型,获取电力消费总量预测结果。本申请通过分析整体的电力消费与生产总值以及不同产业结构下电力消费和生产总值之间的关系,建立线性回归模型,对电力消费总量进行预测,提高预测准确度。
-
公开(公告)号:CN112732691A
公开(公告)日:2021-04-30
申请号:CN202110017749.7
申请日:2021-01-07
申请人: 云南电网有限责任公司电力科学研究院
摘要: 本申请提供一种基于多种模型对比的大气环境预测方法,包括获取目标城市的常规污染物浓度及气象数据,构建数据库;对数据库进行预处理;根据气象数据为输入因子构建预测PM10浓度Y1的多元线性回归模型;对多元线性回归模型的输入因子进行调整,通过逐步递归方式构建预测PM10浓度Y2的最优线性回归模型;根据网络结构和预处理后常规污染物浓度及气象数据训练BP神经网络模型;基于遗传算法对BP神经网络模型的阈值和权值进行优化得到最优BP神经网络模型;对比上述四个模型,通过PM10均方误差、PM10平均绝对误差和拟合优度确定最终选用模型;通过选择、交叉、变操作迭代进化获得最优BP神经网络参数,获得准确的预测结果并且发现更适用于大气污染物中长期预测。
-
公开(公告)号:CN113947327A
公开(公告)日:2022-01-18
申请号:CN202111257451.X
申请日:2021-10-27
申请人: 云南电网有限责任公司电力科学研究院
摘要: 本申请提供了一种基于电力消费与经济增长相关性的输配电方法及系统。通过采集目标区域的电力消费数据和经济增长数据,并按行业类别对电力消费数据进行分类,最后构建行业电力消费数据的关联网络和经济增长数据的关联网络。又以行业电力消费数据的关联网络和经济增长数据的关联网络为基础构建交叉网络,以获得行业电力消费数据与经济增长数据之间的相关性。最后根据相关性,为目标区域制定输配电策略,解决了经济增长快速地区电力供应不足的问题。
-
-
-
-
-