-
公开(公告)号：CN119944674A
公开(公告)日：2025-05-06
申请号：CN202510424282.6
申请日：2025-04-07
Applicant: 国电南瑞科技股份有限公司
IPC: H02J3/00 , G06F18/15 , G06F18/2113 , G06F18/214 , G06F18/23213 , G06F123/02
Abstract: 本发明公开了一种基于样本聚类的电力预测方法、系统、设备及存储介质，获取电力系统历史样本的时间序列数据集，进行预处理并提取基础特征，从基础特征中选择重要特征进行特征构造得到衍生特征，随机抽取其余特征放入若干子特征集并进行初步特征选择；对初步特征、重要特征和衍生特征进行优选特征选择；通过优选特征的相关性和变化率改进聚类距离计算公式，对样本点进行聚类，剔除孤立或弱相关性的样本点后的数据集作为训练集和测试集，训练电力预测模型，通过电力预测模型进行电力预测。采用特征分组的方法节省运营成本以及通过引入相关性和变化率的样本聚类算法进行降噪处理后的电力行业时间序列预测，提升预测精度。
-
公开(公告)号：CN119494436A
公开(公告)日：2025-02-21
申请号：CN202411521432.7
申请日：2024-10-29
Applicant: 国电南瑞科技股份有限公司
Inventor： 陆潇晓 , 郭王勇 , 杜红卫 , 邵嗣杨 , 苏标龙 , 夏栋 , 张琪培 , 雷佳兴 , 伍林 , 王坤 , 陈天宇 , 夏一羽 , 汪明礼 , 袁博 , 刘增辉 , 鲁苏延 , 陆超 , 张玉林 , 李爽 , 宋德奎 , 冯荣强 , 张琨 , 黄宸希 , 黄晓铭
IPC: G06Q10/04 , G06Q50/06 , H02J3/00 , G06F18/2113 , G06N3/049 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开一种基于多维历史数据的馈线短期负荷预测方法及系统，属于电力系统领域。方法包括以下步骤：获取馈线历史负荷数据、分布式光伏历史功率数据和历史气象数据，对数据进行预处理，得到历史数据集；采用负荷预测特征构建算法，筛选特征子集，通过数学变化操作，得到多维特征数据；将多维特征数据输入构建的TCN‑LSTM模型进行训练，得到馈线短期负荷预测模型，结合预报气象、日期类型和近期历史负荷数据，根据设定的时间周期预测馈线短期负荷，并给出预测结果评价指标，得到馈线短期负荷预测值。本发明能有效捕捉影响馈线负荷变化的复杂因素，提高数据质量，确保了预测模型的稳健性和准确性，使模型适应光伏发电出力及负荷需求的变化趋势。
-
公开(公告)号：CN109828267A
公开(公告)日：2019-05-31
申请号：CN201910137652.2
申请日：2019-02-25
Applicant: 国电南瑞科技股份有限公司
Abstract: 本发明公开了一种基于实例分割和深度摄像头的变电站巡检机器人障碍物检测和测距方法，获取深度摄像头采集的视频文件；将视频文件逐帧转换为RGB图像和深度图像；已经训练好的Mask R-CNN网络对RGB图像中进行实例分割，检测出图像中的障碍物并得到障碍物的二值掩膜和轮廓；通过预置算法，匹配深度图像，获取机器人到障碍物的距离信息。本发明无需多种硬件传感设备配合，只需依据深度摄像头采集到的RGB和深度图像，基于Mask R-CNN网络的实例分割功能就可以实现变电站巡检机器人对道路上的障碍物的检测和测距，为变电站巡检机器人临时避障提供了一个简单易行的障碍物检测和测距方法。
-
公开(公告)号：CN119862407A
公开(公告)日：2025-04-22
申请号：CN202411808195.2
申请日：2024-12-10
Applicant: 国电南瑞科技股份有限公司
IPC: G06F18/213 , G06F18/214 , G06F18/21 , G06N3/0442 , G06N3/045 , G06N3/049 , G06N3/0464 , G06F18/243 , H02J3/00 , G06F123/02
Abstract: 本发明公开了一种基于时序特性的负荷预测方法、系统、设备及介质，所述负荷预测方法利用LSTM与Attention机制，构建时序残差神经网络，能够精准捕捉负荷数据在不同场景下的时序变化规律，解决了XGBoost模型对时序特征捕捉较弱的缺陷，缓解了传统LSTM时序神经网络对多场景下负荷变化拟合的滞后性本发明还引入了基于样本时序的加权损失函数，增加模型对近期样本的关注度，提高了负荷预测准确率，有效解决了新能源发电影响和气象因素耦合对负荷变化预测的挑战，同时减少了对额外特征变量的需求，降低了模型训练和预测过程中的计算消耗，更好地适应负荷的时序规律变化和相关要素的耦合性，提高了负荷预测准确率。
-
公开(公告)号：CN117828413A
公开(公告)日：2024-04-05
申请号：CN202311611101.8
申请日：2023-11-28
Applicant: 国电南瑞科技股份有限公司
IPC: G06F18/241 , G06F18/214 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于LSTM神经网络的变压器油温预测方法和系统，包括：获取变压器环境气象、运行无功和有功功率及变压器油温的历史数据，经预处理得到历史数据集；根据得到的历史数据集构建时序特征、多项式特征和统计特征，得到变压器油温预测样本集；将样本集划分为训练集和测试集，接着进行特征划分提高模型对预测时段的信息捕捉能力；最后根据所述的特征划分和训练集构建LSTM时序预测模型。本发明进一步捕捉变压器油温变化的时序规律，提高了油温预测的准确性，避免因过热，造成变压器损坏，提高了设备可靠性。
-
Patent Agency Ranking
公开(公告)号：CN112434794A
公开(公告)日：2021-03-02
申请号：CN202011371842.X
申请日：2020-11-30
Applicant: 国电南瑞科技股份有限公司
Abstract: 本发明提出了一种基于深度学习的计算机视觉数据集半自动标注方法及系统，包括以下步骤：步骤1：从样本图片集A中按一定比例进行随机采样，生成图片集B；步骤2：对经过步骤1操作的图片集B进行人工标注、图像扩充和图像预处理，生成训练集B；步骤3：采用训练集B对Faster‑rcnn算法中的深度神经网络模型进行初训练，得到模型权重；步骤4：利用模型权重，结合人机耦合的标注方法，对样本图片集A进行标注，对标注好的样本图片集A进行图像扩充和图像预处理，生成训练集A；步骤5：采用训练集A对Faster‑rcnn算法中的深度神经网络模型进行再训练；步骤6：将待识别的图像输入至经过步骤5训练好的深度神经网络模型中，得到标注结果。
-
公开(公告)号：CN112381045A
公开(公告)日：2021-02-19
申请号：CN202011374295.0
申请日：2020-11-30
Applicant: 国电南瑞科技股份有限公司
Abstract: 本发明公开了一种面向物联网移动端设备的轻量级人体姿态识别方法，方法中采用轻量化神经网络技术对当前高效但复杂的网络结构进行解析，综合考量了姿态识别精度和计算复杂度，可以在手机等计算资源有限的移动设备上运行姿态识别神经网络。该技术基本保留了原始模型的精度，而轻量化之后的模型参数数量相比原始的参数数量下降了85％。本发明可以在硬件资源有限，比如计算资源受限的移动物联网设备上进行人体姿态识别，在基本保持精度的同时有效地解决了参数数量巨大的姿态识别神经网络模型在实际生活中难以运用的问题。
-
公开(公告)号：CN117200222A
公开(公告)日：2023-12-08
申请号：CN202311302517.1
申请日：2023-10-09
Applicant: 国电南瑞科技股份有限公司 , 南瑞集团有限公司
IPC: H02J3/00 , G06F18/214 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开了一种基于double‑input CNN‑LSTM的系统负荷预测方法及系统，该方法包括：获取数值天气预报和实测历史负荷数据，对数据中存在的异常值、缺失值异常点清洗和填充；对清洗后的负荷和天气数据构造成时序特征集，进而划分特征集为训练集、验证集和测试集，输入double‑input CNN‑LSTM时序网络进行训练得到模型；利用训练好的double‑input CNN‑LSTM时序预测模型对电力系统进行系统负荷预测。本发明综合考虑历史负荷的周期性、趋势性变化和预测日的气象影响，模型将特征输入划分为历史特征和预测特征，解决历史特征和预测日特征尺度不对称的问题，提高了系统负荷预测精度和曲线形态准确性，系统负荷预测结果满足电网负荷预测计划要求，能够更好地应用于之后的负荷调度决策中。
-
公开(公告)号：CN117081064B
公开(公告)日：2024-03-26
申请号：CN202311129365.X
申请日：2023-09-01
Applicant: 国电南瑞科技股份有限公司
IPC: H02J3/00 , G06F18/25 , G06F18/214
Abstract: 本发明公开了一种基于误差评估的风电功率组合预测方法和系统，该方法包括：获取数值天气预报和实测风电功率数据；对数据中存在的异常值、缺失值异常点清洗和填充；对清洗后的实测风电功率数据时序对齐，构建风电功率数据集并划分为训练集、验证集和测试集；构建三种单一预测模型；识别不同风电功率预测场景并分类，利用训练集和验证集对各预测模型训练与验证，计算每个预测结果与实际风电功率的预测误差并统计；利用测试集测试各模型，结合各模型预测误差评估结果，对不同预测场景挑选误差最低的单一模型实现组合输出。本发明解决了数值天气预报精度受限情况下的风电功率预测精度较低的问题，可进一步提高风电功率预测泛化性和准确性。
-
公开(公告)号：CN117613856A
公开(公告)日：2024-02-27
申请号：CN202311437035.7
申请日：2023-10-31
Applicant: 国电南瑞科技股份有限公司 , 南瑞集团有限公司
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06F18/214
Abstract: 本发明公开了一种母线负荷自适应预测方法和系统。所述方法包括：获取变电站数值天气预报数据和母线历史实测负荷数据，并按时序对齐；将数据划分为样本集和预测集；对样本集中的数据进行异常检测；对检测后的样本集采用填充或丢弃的策略进行清洗；基于清洗后的样本集生成特征；使用相关系数和特征重要程度对特征进行筛选，以交叉验证的方式将样本集划分为训练集和验证集，构建XGBoost预测模型，并通过验证筛选出最优模型参数；利用预测集进行预测，并构建自适应的输出结果修正策略，对模型输出结果进行修正，得到最终的母线负荷预测结果。本发明对模型的输入输出进行偏差校正，进一步提高母线负荷预测准确率和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.034 seconds)
