基于神经网络的配变重过载识别预警方法及终端设备

    公开(公告)号:CN110807550A

    公开(公告)日:2020-02-18

    申请号:CN201911047102.8

    申请日:2019-10-30

    摘要: 本发明涉及一种基于神经网络的配变重过载识别预警方法及终端设备,所述方法用于对某日台区配变的重过载事件进行识别并预警,包括以下步骤:1)获取待识别的各台区配变的基础数据,对所述基础数据进行预处理;2)基于预处理后的基础数据对各台区配变进行粗预测分类,所述粗预测分类的类别包括一级安全、二级安全和二级关注;3)判断是否存在属于二级关注的台区配变,若是,则采用训练好的GRU型神经网络对属于所述二级关注的台区配变进行精预测,基于精预测结果输出配变预警信息,若否,则输出配变正常信息。与现有技术相比,本发明具有既可以保持时刻动态监测的状态,又能节省算力,达到准确预测效果等优点。

    基于人工智能的配网故障研判方法

    公开(公告)号:CN116415925A

    公开(公告)日:2023-07-11

    申请号:CN202211725781.1

    申请日:2022-12-30

    摘要: 本申请公开一种基于人工智能的配网故障研判方法,所述研判方法包含:S1,获取原始数据,对所述原始数据进行预处理;S2,将预处理过的数据存入数据库中;S3,建立学习机模型,将数据输入学习机模型中对模型进行训练,得到跳闸事件判定模型;输入学习机模型中对模型进行训练,得到跳闸事件判定模型;S4,使用k折交叉验证法评估所述跳闸事件判定模型的性能,并根据结果调整所述跳闸事件判定模型。本申请通过引进人工智能技术,可充分模拟人类思维中的近似推理、语言变量来表述专家的经验,并可基于历史数据的增加而不断地自我学习、调整诊断算法逻辑,从而在实际应用时能够给出最近似于专家诊断的结果,大幅度减少了人工诊断工作量。

    基于特征选择与LSSVR的短期负荷预测方法

    公开(公告)号:CN114581141A

    公开(公告)日:2022-06-03

    申请号:CN202210220703.X

    申请日:2022-03-08

    IPC分类号: G06Q30/02 G06Q10/04 G06Q50/06

    摘要: 本发明公开了一种基于特征选择与LSSVR的短期负荷预测方法,该方法包括:获取待预测地区负荷数据、气象数据以及日历信息,并对其进行数据预处理;根据预处理后数据确定候选特征集;采用带有L1范式的LSSVR算法对候选特征集进行特征选择,并根据选择的特征得到最终的历史数据样本和未来预设时间的待预测样本的输入特征向量;确定预设时刻的待预测样本的输入特征向量与所有相应时刻的历史数据样本的输入特征向量的相似度,并根据相似度筛选出待预测样本对应的相似样本;通过相似样本训练得到LSSVR预测模型,并通过LSSVR预测模型对未来预设时间的负荷进行预测。本发明可充分利用历史负荷信息及负荷影响因素信息,提高负荷预测精度并具有较大的适用范围。