-
公开(公告)号：CN119691482A
公开(公告)日：2025-03-25
申请号：CN202411597149.2
申请日：2024-11-11
Applicant: 国电南瑞科技股份有限公司 , 国网电力科学研究院有限公司 , 国网江苏省电力有限公司南京供电分公司
Inventor： 唐宁恺 , 曾仪 , 陆继翔 , 杨维永 , 张荷 , 徐丽燕 , 谢峰 , 刘军君 , 束蛟 , 张韬 , 张斌 , 孙保华 , 花胜强 , 张守田 , 苏婧仪 , 魏同凡 , 李莎莎
IPC: G06F18/23213 , G06F18/10 , G06N3/0442 , G06N3/0455 , G06Q50/06 , H02J3/00
Abstract: 本发明公开了一种节假日短期母线负荷预测方法、系统、设备及存储介质，方法包括：采集历史母线负荷数据，并进行预处理以剔除母线负荷数据中的异常值；对预处理后的母线负荷数据进行聚类，区分具有不同均值和变化程度的母线负荷；根据相关性分析和特征重要性分析选择母线负荷预测模型的输入特征；建立包含门控残差网络和注意力机制的母线负荷预测模型；使用预训练架构并在训练过程中冻结部分神经元，减少训练过程中对计算资源的需求，完成母线负荷预测模型的训练，使用训练后的母线负荷预测模型；本发明相比传统方法在准确性上表现出色，并且与现有代表性方法相比，计算复杂度显著降低。
-
公开(公告)号：CN114936667A
公开(公告)日：2022-08-23
申请号：CN202210309877.3
申请日：2022-03-28
Applicant: 国网电力科学研究院有限公司 , 国电南瑞科技股份有限公司 , 国网宁夏电力有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于知识图谱的电网日前调度计划优化决策方法，本发明的方法首先建立电网日前调度优化决策知识图谱框架；再采用深度神经网络从电网日前调度计划优化决策领域文本语料抽取电网实体与事件；然后基于电网实体、事件构建电网日前调度计划优化决策领域知识图谱，在完成上两步的基础上，基于调度计划优化历史记录构建优化场景，并基于场景相似度计算和知识图谱得出计划优化建议。本发明从历史调度计划优化经验中提取优化经验，实现优化决策过程中关联数据的自动获取和优化决策条件的主动推送，减少计划迭代优化次数，缩短计划制定整体时间，提升优化过程效率和质量。
-
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：CN116842405A
公开(公告)日：2023-10-03
申请号：CN202310793077.8
申请日：2023-06-30
Applicant: 国电南瑞科技股份有限公司 , 国网江苏省电力有限公司 , 国网江苏省电力有限公司电力科学研究院 , 南瑞集团有限公司
Abstract: 本发明公开了一种电力负荷数据聚类方法、系统、设备及存储介质，本发明聚类时，首先建立居民用户日负荷曲线；其次，分解活跃时段负荷及非活跃时段负荷分量，提取特征向量对居民用户日负荷曲线进行粗聚类；再次，分别解耦气象及季节因素对居民用电行为及负荷量的影响，生成基于季节分类的用户工作日典型负荷曲线；然后，使用离散小波分解法对用户工作日典型负荷曲线进行分解，构建用户用电趋势特征和用户用电特征；最后将用户用电趋势特征和用户用电特征作为用户用电数据的聚类依据，对用电用户进行基于DDTW距离的层次聚类分析。本发明方法降低了季节及其变换对聚类的影响，规避了数据处理的插值填充问题，提升了聚类效果。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN119149936A
公开(公告)日：2024-12-17
申请号：CN202410998978.5
申请日：2024-07-24
Applicant: 国家电网有限公司华东分部 , 国电南瑞科技股份有限公司
Abstract: 本申请公开基于深度强化学习的光伏系统电压控制方法、装置及介质，该方法包括：构建马尔可夫决策过程模型；基于预设的训练数据对马尔可夫决策过程模型进行训练，得到电压控制策略网络，其中，马尔可夫决策过程模型中的每个智能体表示一个光伏发电设备；获取光伏发电系统的实际观测数据，将实际观测数据输入至电压控制策略网络，得到每个智能体对应的第一动作策略；对每个智能体对应的第一动作策略进行安全约束处理，获得每个智能体对应的第二动作策略；根据每个智能体对应的第二动作策略，得到光伏发电系统的电压控制策略。通过对第一动作策略进行安全校正，降低了不安全动作施加于电网导致电压越限的概率，提高了电网的安全性和稳定性。
-
公开(公告)号：CN119149936B
公开(公告)日：2025-04-15
申请号：CN202410998978.5
申请日：2024-07-24
Applicant: 国家电网有限公司华东分部 , 国电南瑞科技股份有限公司
Abstract: 本申请公开基于深度强化学习的光伏系统电压控制方法、装置及介质，该方法包括：构建马尔可夫决策过程模型；基于预设的训练数据对马尔可夫决策过程模型进行训练，得到电压控制策略网络，其中，马尔可夫决策过程模型中的每个智能体表示一个光伏发电设备；获取光伏发电系统的实际观测数据，将实际观测数据输入至电压控制策略网络，得到每个智能体对应的第一动作策略；对每个智能体对应的第一动作策略进行安全约束处理，获得每个智能体对应的第二动作策略；根据每个智能体对应的第二动作策略，得到光伏发电系统的电压控制策略。通过对第一动作策略进行安全校正，降低了不安全动作施加于电网导致电压越限的概率，提高了电网的安全性和稳定性。
-
公开(公告)号：CN118709822A
公开(公告)日：2024-09-27
申请号：CN202410660533.6
申请日：2024-05-27
Applicant: 国电南瑞科技股份有限公司
IPC: G06Q10/04 , G06Q10/0631 , G06Q30/0201 , G06Q50/06 , G06Q30/0601 , G06Q30/08
Abstract: 本发明公开了一种投标决策和激励决策联合优化方法、系统、设备及存储介质，方法包括：建立电力辅助服务市场模型；基于电力辅助服务市场的模型，建立市场成员行为模型；基于市场成员行为模型，构建负荷削减投标和需求响应激励联合决策模型，并将所述联合决策模型规范为马尔可夫决策过程；基于所述联合决策模型及对应的马尔可夫决策过程，设计改进型反事实基线多智能体策略梯度算法，对负荷削减投标决策智能体和需求响应激励决策智能体进行联合同步训练，得到投标决策和激励决策联合优化模型，利用模型完成联合优化；本发明实现了负荷削减投标决策智能体和需求响应激励决策智能体的联合同步训练,提高了优化效果。
-
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。
-
公开(公告)号：CN115907822A
公开(公告)日：2023-04-04
申请号：CN202211488712.3
申请日：2022-11-25
Applicant: 国电南瑞南京控制系统有限公司 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司宁波供电公司 , 国电南瑞科技股份有限公司
Inventor： 束蛟 , 张思 , 张琪培 , 虞殷树 , 谢峰 , 王伟 , 陆继翔 , 严晴 , 吴一峰 , 徐立中 , 唐律 , 朱耿 , 陈东海 , 王波 , 蒋正威 , 贺旭 , 王晴 , 朱晓杰 , 黄亮 , 周洋 , 周宏辉 , 张静 , 胡真瑜 , 叶海强
IPC: G06Q30/0201 , G06Q30/0202 , G06F16/29 , G06F18/241 , G06Q50/06 , G06F18/2135
Abstract: 本发明公开了一种考虑区域及经济影响的负荷特征指标关联性挖掘方法及系统，所述挖掘方法包括获取待挖掘的负荷数据的信息数据流；根据信息数据流的地理信息，获取对应地理信息的经济特征数据和气象特征数据；建立数据库，将所获得的数据依照地理位置的行政区域划分分层级存储入数据库；从数据库中选取用于关联规则的主数据；关联规则挖掘。采用本发明所发表的数据挖掘方法，利用规则关联挖掘技术，可以对系统电力需求进行大数据梳理，掌握电网的电能结构和电力需求，解决传统的电力负荷分析方法评价指标单一的缺憾，实现在规则关联挖掘的过程中的自动化处理，在负荷预测工作中帮助构建经济特征，提高负荷预测系统的预测准确率。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.084 seconds)
