-
公开(公告)号:CN108876445A
公开(公告)日:2018-11-23
申请号:CN201810551121.3
申请日:2018-05-31
申请人: 华北电力大学 , 国网重庆市电力公司电力科学研究院 , 北京中电普华信息技术有限公司 , 国家电网公司 , 国网信息通信产业集团有限公司
摘要: 本发明公开了属于电力系统技术领域的一种基于营配网末端设备公共信息模型的数据互操作应用。所述应用包括:设计基于IEC‑CIS的营配网末端设备数据互操作服务应用的统一接口规范体系;研究营配网末端设备数据互操作服务应用架构;研发营配网末端设备数据互操作服务应用。本发明针对当前在低压配网建模与营销侧设备及营销服务网点建模时,工作开展分部门、分阶段实施,导致数据采集和建模工作彼此孤立的问题。在统一接口体系的约束指导下,开展营配网末端设备数据互操作服务应用的框架体系研究,从而打破现有各系统之间的信息交互壁垒,实现对营配网末端设备的高效建模。
-
公开(公告)号:CN107122790A
公开(公告)日:2017-09-01
申请号:CN201710152682.1
申请日:2017-03-15
申请人: 华北电力大学
CPC分类号: G06K9/6256 , G06K9/6277 , G06N3/0454 , G06Q50/06
摘要: 本发明属于数据挖掘与机器学习领域,尤其涉及一种基于混合神经网络和集成学习的非侵入式负荷识别算法。首先对实验数据进行处理,使数据的格式符合模型的输入格式。处理好数据后建立混合神经网络模型,将数据输入到模型中,经过训练和测试得出识别结果,用集成学习的思想,对三个不同的模型的结果进行投票,得出最终识别结果。本发明得混合神经网络的特征提取效果以及负荷识别的效果都高于传统神经网络;同时提出了一种基于集成学习思想的方法,通过从总特征集中选择多个特征子集训练多个基分类器,再将多个基分类器进行结合,以降低方差并提升最终结果的识别效果,解决了引入谐波特征对识别效果产生不良影响的问题。
-
公开(公告)号:CN107122790B
公开(公告)日:2021-06-11
申请号:CN201710152682.1
申请日:2017-03-15
申请人: 华北电力大学
摘要: 本发明属于数据挖掘与机器学习领域,尤其涉及一种基于混合神经网络和集成学习的非侵入式负荷识别算法。首先对实验数据进行处理,使数据的格式符合模型的输入格式。处理好数据后建立混合神经网络模型,将数据输入到模型中,经过训练和测试得出识别结果,用集成学习的思想,对三个不同的模型的结果进行投票,得出最终识别结果。本发明得混合神经网络的特征提取效果以及负荷识别的效果都高于传统神经网络;同时提出了一种基于集成学习思想的方法,通过从总特征集中选择多个特征子集训练多个基分类器,再将多个基分类器进行结合,以降低方差并提升最终结果的识别效果,解决了引入谐波特征对识别效果产生不良影响的问题。
-
-