基于人工智能算法的电网故障定位方法和系统

    公开(公告)号:CN116908606A

    公开(公告)日:2023-10-20

    申请号:CN202310493012.1

    申请日:2023-05-05

    摘要: 本发明涉及电网故障检测技术领域,尤其是涉及一种基于人工智能算法的电网故障定位方法和系统,本发明在对电网故障进行定位时,根据现如今电网结构复杂,若直接进行定位则运算量巨大,效率不高的现状进行处理,首先,根据电网中主电源和分布电源将电网分成不同的区间范围,并通过专家对故障所在的区间进行定位,然后采用深度学习模型对区间内的故障进行定位,一方面可减少模型的运算量,另外,由于区间内拓扑关系相对较为简单,仅有一个电源,因此,定位的准确性也大大增加,通过本发明的技术方案,可显著提高电网故障定位的效率和准确度。

    一种基于数模共生的时间序列预测闭环框架

    公开(公告)号:CN116775687A

    公开(公告)日:2023-09-19

    申请号:CN202310835926.1

    申请日:2023-07-07

    摘要: 本发明涉及人工智能技术领域,尤其涉及一种基于数模共生的时间序列预测闭环框架。基于数据集与预测模型的共生关系,通过优化预测模型的训练集间接地改善预测准确率;将含有预测目标的数据集与预测模型视为共生体,利用两者之间的相互约束进行更新迭代,即数据集经过预测模型的训练及预测对自身进行更新;采用闭环框架进行预测,通过多次迭代预测改善多步预测的准确率;对每个目标值都进行多次预测,目标值受其前后所有数据影响,预测依据更全面;兼容机器学习类的预测模型,从预测任务的算法流程上提高预测准确率;在预测任务的求解流程上进行设计,将预测模型作为实现预测的基础手段,可用于数据集拟合、缺失值预测和数据集评价。