-
公开(公告)号：CN117609917A
公开(公告)日：2024-02-27
申请号：CN202311558220.1
申请日：2023-11-21
Applicant: 南方电网数字电网研究院有限公司
IPC: G06F18/2433 , G06F18/23 , G06F18/22
Abstract: 本申请涉及一种电力消耗节点的行业分类信息异常识别方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取各行业对应的行业用电模式信息和目标电力消耗节点的工作日电力负荷曲线；根据目标电力消耗节点的工作日电力负荷曲线与各行业对应的行业用电模式信息，确定目标电力消耗节点与各行业的用电模式相似度信息；根据用电模式相似度信息，确定针对目标电力消耗节点的行业匹配结果；在行业匹配结果表征匹配成功的情况下，根据行业匹配结果对应的行业分类信息与目标电力消耗节点在电力消耗节点信息管理系统中登记的行业分类信息，确定目标电力消耗节点的行业分类信息识别结果。采用本方法能够高效识别电力企业行业分类信息的异常。
-
公开(公告)号：CN115147012B
公开(公告)日：2023-05-02
申请号：CN202211050619.4
申请日：2022-08-31
Applicant: 南方电网数字电网研究院有限公司
IPC: G06Q10/063 , G06F30/27 , G06Q50/06 , G06Q50/26
Abstract: 本申请涉及电力环保数据处理技术领域，特别是涉及一种基于神经网络模型的碳排放量核算方法、装置、计算机设备和存储介质。所述方法包括：获取企业发电作业数据，并构建碳排放量仿真模型；构建基于所述仿真碳排放量数据与所述发电作业数据的仿真数据集；建立基于神经网络的碳排放量核算模型并训练至收敛；构建校准数据集；基于校准数据集校准所述碳排放量核算模型，获取校准后碳排放量核算模型；通过校准后碳排放量核算模型获取企业碳排放量核算数据。采用本方法能够利用仿真数据训练出的碳排放量核算模型，针对企业的具体情况获取企业短周期的碳排放量数据。
-
公开(公告)号：CN116011671A
公开(公告)日：2023-04-25
申请号：CN202310076584.X
申请日：2023-02-03
Applicant: 南方电网数字电网研究院有限公司
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/06
Abstract: 本申请涉及一种有序用电行业筛选方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：根据电力生产供应业和各个待筛选行业的历史用电数据，对产业链关联模型进行拟合处理，得到所述电力生产供应业和所述各个待筛选行业对应的影响因子；根据所述影响因子，确定所述各个待筛选行业与所述电力生产供应业之间的关联度；根据所述影响因子，确定所述各个待筛选行业的社会生产波动强度；根据所述关联度和所述社会生产波动强度，从所述各个待筛选行业中，筛选出满足预设有序用电行业条件的目标有序用电行业。采用本方法能够提高筛选有序用电行业可靠性。
-
公开(公告)号：CN115587677A
公开(公告)日：2023-01-10
申请号：CN202211569113.4
申请日：2022-12-08
Applicant: 南方电网数字电网研究院有限公司
IPC: G06Q10/04 , G06F16/2458 , G06F17/18 , H02J3/00 , G06Q50/06
Abstract: 本申请涉及电力系统安全技术领域，提供了一种基于互信息的电力系统负荷的关联因素分析方法及装置，该方法包括：首先，获取电力系统的负荷数据，以及所述负荷数据的关联因素。然后，获取所述负荷数据对应的第一信息熵，所述关联因素对应的第二信息熵，以及所述负荷数据与所述关联因素之间的联合熵。接着，根据所述第一信息熵、所述第二信息熵以及所述联合熵，得到所述负荷数据与所述关联因素之间的互信息值。最后，在所述互信息值大于或等于预设相关性阈值的情况下，将所述关联因素，作为所述负荷数据的主要关联因素。本申请不仅能够有效提升电力系统负荷与关联因素的相关性分析结果的准确性，还能够提高获取电力系统负荷的主要关联因素的效率。
-
公开(公告)号：CN115236394A
公开(公告)日：2022-10-25
申请号：CN202211154361.2
申请日：2022-09-22
Applicant: 南方电网数字电网研究院有限公司
Abstract: 本申请涉及一种输电线路碳排放计量方法、装置、计算机设备和存储介质，所述方法包括：通过电能计量装置采集输电线路的电能数据；获取所述电能计量装置的类型，根据所述电能计量装置的类型，确定所述电能计量装置的计量误差信息；根据所述计量误差信息对所述电能数据进行校正处理，得到校正后的电能数据；基于所述校正后的电能数据，确定所述输电线路的碳排放量。该方法通过对电能数据的校正，提高了电能数据的准确性，从而可提高基于电能数据确定的输电线路的碳排放量的精度。
-
Patent Agency Ranking
公开(公告)号：CN115147012A
公开(公告)日：2022-10-04
申请号：CN202211050619.4
申请日：2022-08-31
Applicant: 南方电网数字电网研究院有限公司
Abstract: 本申请涉及电力环保数据处理技术领域，特别是涉及一种基于神经网络模型的碳排放量核算方法、装置、计算机设备和存储介质。所述方法包括：获取企业发电作业数据，并构建碳排放量仿真模型；构建基于所述仿真碳排放量数据与所述发电作业数据的仿真数据集；建立基于神经网络的碳排放量核算模型并训练至收敛；构建校准数据集；基于校准数据集校准所述碳排放量核算模型，获取校准后碳排放量核算模型；通过校准后碳排放量核算模型获取企业碳排放量核算数据。采用本方法能够利用仿真数据训练出的碳排放量核算模型，针对企业的具体情况获取企业短周期的碳排放量数据。
-
公开(公告)号：CN114118617A
公开(公告)日：2022-03-01
申请号：CN202111480631.4
申请日：2021-12-06
Applicant: 南方电网数字电网研究院有限公司
Abstract: 本申请涉及一种用电量预估方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取待分析对象的实时用电量和历史用电量，并根据实时用电量和历史用电量对电量预估模型进行训练，以确定目标预估模型，再将包括实时用电量和部分历史用电量的参考时段的实际用电量输入目标预估模型，并由目标预估模型输出对应预估时段的预估用电量。上述方法在每次进行用电量预估时均采用实时用电量与历史用电量共同对电量预估模型进行训练，并确定目标预估模型，再由目标预估模型进行用电量预估，得到预估时段的预估用电量，实现了预估模型的在线学习，预估用电量与实时用电量之前强相关，提高了预估模型的泛化能力，相应提高了用电量预估的准确性。
-
公开(公告)号：CN117909510A
公开(公告)日：2024-04-19
申请号：CN202311612352.8
申请日：2023-11-28
Applicant: 南方电网数字电网研究院有限公司
IPC: G06F16/36 , G06F40/279 , G06F18/22 , G06Q50/06 , G06N5/022
Abstract: 本申请涉及一种电力数据驱动的产业链知识图谱构建方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：获取目标产业知识语料数据集；根据目标产业知识语料数据集，生成针对目标产业的产业链知识库；获取各电能消耗节点对应的节点产品标识集合，对于任一电能消耗节点，将节点产品标识集合中的各节点产品标识与产业链知识库中最低层级的各目标产业实体标识进行匹配，得到电能消耗节点对应的节点产品标识匹配结果；基于各电能消耗节点对应的节点产品标识匹配结果和产业链知识库，生成产业链知识图谱。采用本方法能够构建得到准确反映目标产业的发展现状的产业链知识图谱。
-
公开(公告)号：CN117239810B
公开(公告)日：2024-03-26
申请号：CN202311485598.3
申请日：2023-11-09
Applicant: 南方电网数字电网研究院有限公司
IPC: H02J3/32 , H02J3/14 , H02J3/46 , G06Q10/0631 , G06Q30/0283 , G06Q50/06 , G06F17/11
Abstract: 本申请涉及一种虚拟电厂电能调度方案获取方法。所述方法包括：根据预先构建的电动汽车的充电约束条件和放电约束条件，获取目标虚拟电厂对电动汽车的最小充电量和最大放电量；基于最小充电量、最大放电量，以及目标虚拟电厂对负载提供的最小负载电量，得到目标虚拟电厂从电动汽车获取的充电资源、目标虚拟电厂对电动汽车提供的放电资源，以及目标虚拟电厂从负载获取的负载资源；利用充电资源、放电资源和负载资源，构建目标虚拟电厂的资源获取量预测模型，以及约束条件；据约束条件，通过资源获取量预测模型，获取当目标虚拟电厂的资源获取量最大时，目标虚拟电厂的电能调度方案。采用本方法能够获得更加合理的虚拟电厂电能调度方案。
-
公开(公告)号：CN117171600A
公开(公告)日：2023-12-05
申请号：CN202311057898.1
申请日：2023-08-21
Applicant: 南方电网数字电网研究院有限公司
IPC: G06F18/23213 , G06F18/20
Abstract: 本申请涉及一种用户聚类方法、装置、设备、存储介质和程序产品。该方法包括：根据待聚类用户在历史时间段内对应的历史负荷曲线属于初始高斯混合模型中各概率分布函数的子概率值，并根据各子概率值对初始高斯混合模型包含的概率分布函数进行调整，得到目标高斯混合模型；根据待聚类用户对应的历史负荷曲线属于目标高斯混合模型中各概率分布函数的子概率值，确定待聚类用户对应的目标负荷曲线；根据待聚类用户对应的目标负荷曲线，对待聚类用户进行聚类，并根据聚类后各类用户对应的贝叶斯信息准则值，判断聚类后的各类用户是否均达到聚类结束条件；若是，则获取对待聚类用户的聚类结果。采用本方法能够提高用户聚类准确性。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.056 seconds)
