-
公开(公告)号：CN111104483A
公开(公告)日：2020-05-05
申请号：CN201911309131.7
申请日：2019-12-18
申请人： 华北电力大学 , 国网山东省电力公司信息通信公司 , 国家电网有限公司信息通信分公司 , 国家电网有限公司
IPC分类号： G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30 , G06K9/62
摘要： 本发明属于文本分类机器学习技术领域，尤其涉及一种基于机器学习的ICT系统故障分析及辅助判别方法，包括：将现有的故障信息以及处理方案进行文本分词预处理；清洗文本特征无关的分词并建立语料库；将语料库中的词语按照它所在文章的出现频率和重要性度量来建立词频矩阵，并计算文本之间的相似度；对词频矩阵进行聚类，引入calinski_harabaz分数对聚类结果进行评估，依据聚类结果建立分类明确的故障信息和解决方案的映射表；当实际故障出现时，将描述该故障的信息文本连同现有故障信息文本进行聚类，根据聚类结果中得出的故障所属类别，查找故障信息和解决方案映射表，调出相应的解决方案辅助工作人员进行故障分析处理。
-
公开(公告)号：CN111026870A
公开(公告)日：2020-04-17
申请号：CN201911264526.X
申请日：2019-12-11
申请人： 华北电力大学 , 国网山东省电力公司信息通信公司 , 国家电网有限公司信息通信分公司 , 国家电网有限公司
摘要： 本发明公开了属于神经网络学习进行故障分析技术领域的一种综合文本分类和图像识别的ICT系统故障分析方法。该方法是收集客服记录的故障数据，对数据人工预处理,其包括分为文本分类和图像识别两个并行的过程，两个过程最后均要进行分类器分类；然后经过故障判别，建立故障分析模型进行故障分析，经过模型更新后返回开头的数据人工预处理；本发明实现了ICT系统资源的合理配置,缓解日益增长的ICT系统数量给客服运维带来的巨大压力和解决现阶段国网ICT客服仅依靠个人知识储备和经验,而使知识无法共享、内部资源无法高效率协同和有序运行等问题，提升ICT运维的智能化水平。
-
公开(公告)号：CN116596021A
公开(公告)日：2023-08-15
申请号：CN202310529667.X
申请日：2023-05-11
申请人： 国网新疆电力有限公司信息通信公司 , 华北电力大学 , 国家电网有限公司
IPC分类号： G06N3/006
摘要： 本发明涉及一种机器学习技术领域，是一种基于改进的麻雀搜索算法的模型参数优化方法、装置，前者包括设置改进的麻雀搜索算法参数和模型超参数搜索范围；利用PWLCM混沌映射初始化麻雀种群；根据改进的麻雀搜索算法对个体位置进行迭代更新；以麻雀个体位置信息为超参数构建模型，确定个体适应度并排序，得到最优、最差适应度个体位置；多次迭代，以全局最优个体位置信息为超参数构建模型，完成模型参数优化。本发明基于改进的麻雀搜索算法输出的全局最优个体位置信息构建模型，完成模型参数优化，由于改进的麻雀搜索算法的全局寻优与局部搜索能力强，所以模型参数优化效果更好，使得模型的预测更加准确。
-
公开(公告)号：CN116484246A
公开(公告)日：2023-07-25
申请号：CN202310415443.6
申请日：2023-04-18
申请人： 国网新疆电力有限公司信息通信公司 , 华北电力大学 , 国家电网有限公司
IPC分类号： G06F18/23213 , G06F16/182
摘要： 本发明涉及一种数据聚类技术领域，是一种基于Hadoop分布式计算的MS‑Kmeans聚类方法、装置，包括：搭建Hadoop集群；将总数据集平分为若干子数据集；执行Hadoop分布式文件命令，上传总数据集和子数据集至Hadoop分布式文件系统，利用Mean Shift算法分别对每个子数据集进行聚类，得到多个候选中心向量；选择K个相距最远的候选中心向量作为中心向量，利用K‑means聚类算法对总数据集中的所有数据进行聚类本发明能将MS‑Kmeans聚类算法运行在Hadoop分布式文件系统中，且集合Mean Shift算法和K‑means聚类算法的优点，在提高了聚类性能的同时有效减少了聚类运行时间。
-
公开(公告)号：CN109857775A
公开(公告)日：2019-06-07
申请号：CN201811653861.4
申请日：2018-12-30
申请人： 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司 , 华北电力大学
IPC分类号： G06F16/2458 , G06Q50/06
摘要： 本发明涉及一种配电网调度控制系统的海量历史数据挖掘方法，其技术特点在于：包括以下步骤：步骤1、对历史数据进行离散化处理；步骤2、对断面历史数据进行数据挖掘；步骤3、挖掘出配网数据库的频繁项集；步骤4、挖掘各类历史数据的强关联规则；步骤5、基于提升度算法校核强关联规则是否有强相关性；步骤6、建立配电网历史数据中的各类强关联规则；步骤7、判断建立的强关联规则是否合理；步骤8、用强关联规则校核历史断面数据库；步骤9、计算配电自动化系统评价结果；步骤10、数据挖掘完成，退出执行逻辑。本发明能够减少历史数据库中不一致数据记录对于配网运行评价的影响，提升配电自动化的水平。
-
公开(公告)号：CN109823228A
公开(公告)日：2019-05-31
申请号：CN201811645079.8
申请日：2018-12-29
申请人： 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司 , 东南大学 , 华北电力大学
IPC分类号： B60L55/00
摘要： 本发明涉及一种面向楼宇负荷聚合商的电动汽车典型日充放电方法，其技术特点在于：包括以下步骤：步骤1、获取分布式电源、楼宇负荷、电动汽车参数；步骤2、获取分布式电源出力、楼宇负荷典型日内各时段数据和电动汽车出行数据；步骤3、对分布式电源和楼宇负荷曲线按截线面积法从最大峰谷差开始进行削峰填谷；步骤4、在电动汽车参与楼宇互动的时段内，以负荷聚合商支付费用最小为目标函数进行优化，并调用CPLEX求解电动汽车参与楼宇互动时段楼宇内具体充放电车辆配置。本发明可以有效整合电动汽车等分散型资源，使其达到参与市场调节的容量门槛。
-
公开(公告)号：CN110009123A
公开(公告)日：2019-07-12
申请号：CN201811648669.6
申请日：2018-12-30
申请人： 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司 , 华北电力大学
摘要： 本发明涉及一种考虑时序互补特性的配电台区源-荷协同接入方法，其技术特点在于：包括以下步骤：步骤1、分析分布式电源以及负荷的典型时序特征，分别建立分布式电源和负荷的典型时序特征模型；并利用最大似然估计以及分类回归树分别获取接入台区的分布式电源和用户的时序特征；步骤2、将台区的分布式电源和用户的时序特征输入组合优化模型，通过寻优确定源-荷接入的馈线，得出最佳供电方案。本发明可通过接入台区源-荷的优化组合，在降低台区建设成本，提升台区馈线的利用率的同时，充分提升了台区对清洁能源的消纳能力。
-
公开(公告)号：CN109823228B
公开(公告)日：2023-05-23
申请号：CN201811645079.8
申请日：2018-12-29
申请人： 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司 , 东南大学 , 华北电力大学
IPC分类号： B60L55/00
摘要： 本发明涉及一种面向楼宇负荷聚合商的电动汽车典型日充放电方法，其技术特点在于：包括以下步骤：步骤1、获取分布式电源、楼宇负荷、电动汽车参数；步骤2、获取分布式电源出力、楼宇负荷典型日内各时段数据和电动汽车出行数据；步骤3、对分布式电源和楼宇负荷曲线按截线面积法从最大峰谷差开始进行削峰填谷；步骤4、在电动汽车参与楼宇互动的时段内，以负荷聚合商支付费用最小为目标函数进行优化，并调用CPLEX求解电动汽车参与楼宇互动时段楼宇内具体充放电车辆配置。本发明可以有效整合电动汽车等分散型资源，使其达到参与市场调节的容量门槛。
-
公开(公告)号：CN109884888B
公开(公告)日：2023-03-03
申请号：CN201811648659.2
申请日：2018-12-30
申请人： 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司 , 华北电力大学
IPC分类号： G05B13/04
摘要： 本发明涉及一种基于非合作博弈的多楼宇微网模型预测调控方法，其技术特点在于：包括以下步骤：步骤1、建立多楼宇微网的非合作博弈模型；步骤2、构建基于非合作博弈的多微网模型预测调控模型；步骤3、各楼宇基于步骤2获得的预测数据进行内部功率优化，得到预测时域内每一时刻的富余电量，各楼宇微网以己方收益最大为原则进行博弈，得到各楼宇与配网及其他楼宇的交易电量、电价；步骤4、通过模型预测和非合作博弈获得控制时域内各楼宇微网的最优控制序列，包括与配网的联络线功率、与其他微网的交易电量、电价和制冷功率，然后下发其中第一个控制序列到各楼宇微网。本发明能够提高各楼宇自身售电收益，进一步降低楼宇运行成本。
-
公开(公告)号：CN109884888A
公开(公告)日：2019-06-14
申请号：CN201811648659.2
申请日：2018-12-30
申请人： 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司 , 华北电力大学
IPC分类号： G05B13/04
摘要： 本发明涉及一种基于非合作博弈的多楼宇微网模型预测调控方法，其技术特点在于：包括以下步骤：步骤1、建立多楼宇微网的非合作博弈模型；步骤2、构建基于非合作博弈的多微网模型预测调控模型；步骤3、各楼宇基于步骤2获得的预测数据进行内部功率优化，得到预测时域内每一时刻的富余电量，各楼宇微网以己方收益最大为原则进行博弈，得到各楼宇与配网及其他楼宇的交易电量、电价；步骤4、通过模型预测和非合作博弈获得控制时域内各楼宇微网的最优控制序列，包括与配网的联络线功率、与其他微网的交易电量、电价和制冷功率，然后下发其中第一个控制序列到各楼宇微网。本发明能够提高各楼宇自身售电收益，进一步降低楼宇运行成本。
-
-
-
-
-
-
-
-
-
搜索结果
315 条记录 (耗时 0.2 秒)
