负载预测方法、装置、芯片、电子设备及存储介质

    公开(公告)号:CN113837227A

    公开(公告)日:2021-12-24

    申请号:CN202110989727.7

    申请日:2021-08-26

    IPC分类号: G06K9/62 G06Q10/04 G06Q50/06

    摘要: 本发明实施例提供一种负载预测方法、装置、芯片、电子设备及存储介质,属于电力技术领域,解决了现有技术中负载预测仅针对单一维度的数据进行分析,准确率不高的问题。所述方法包括:获取用户电表在设定时间段内的多个参量数据;利用单参量网络模型,得到每种参量数据对应的所述用户电表管理的负载状态的第一预测结果;利用所述多个参量数据以及多参量融合网络模型,得到所述多个参量数据对应的负载状态的第二预测结果;根据预设融合规则,将所述第一预测结果与所述第二预测结果进行融合,得到所述用户电表管理的每个负载的状态预测结果。本发明实施例适用于分析用户用电情况。

    负载预测方法、装置、芯片、电子设备及存储介质

    公开(公告)号:CN113837227B

    公开(公告)日:2024-02-02

    申请号:CN202110989727.7

    申请日:2021-08-26

    IPC分类号: H02J3/00 G06F18/25 G06Q50/06

    摘要: 本发明实施例提供一种负载预测方法、装置、芯片、电子设备及存储介质,属于电力技术领域,解决了现有技术中负载预测仅针对单一维度的数据进行分析,准确率不高的问题。所述方法包括:获取用户电表在设定时间段内的多个参量数据;利用单参量网络模型,得到每种参量数据对应的所述用户电表管理的负载状态的第一预测结果;利用所述多个参量数据以及多参量融合网络模型,得到所述多个参量数据对应的负载状态的第二预测结果;根据预设融合规则,将所述第一预测结果与所述第二预测结果进行融合,得到所述用户电表管理的每个负载的状态预测结果。本发明实施例适用于分析用户用电情况。

    深度神经网络模型的压缩方法及装置

    公开(公告)号:CN111275187A

    公开(公告)日:2020-06-12

    申请号:CN202010056993.X

    申请日:2020-01-16

    IPC分类号: G06N3/08 G06N3/04

    摘要: 本发明实施例提供一种深度神经网络模型的压缩方法及装置,属于计算机技术领域。所述方法包括:在当前的模型训练周期中,计算待压缩的深度神经网络模型中的模型通道对应的范数;根据范数以及对应的初始化权重阈值,模型通道裁剪,得到裁剪后的深度神经网络模型;判断裁剪后的深度神经网络模型的模型精度与期望精度之间的差值是否大于零;当差值大于零时,根据差值以及初始化权重阈值,每层神经网络对应的自适应权重阈值;根据裁剪后模型中每个参数量化的结果对其损失函数的影响程度,确定量化后的深度神经网络模型;将量化后的深度神经网络模型作为当前的模型训练周期的压缩后模型。本发明实施例适用于神经网络模型的压缩。