-
公开(公告)号：CN119477001A
公开(公告)日：2025-02-18
申请号：CN202411588318.6
申请日：2024-11-08
IPC: G06Q10/0637 , G06Q50/08 , G06Q10/04 , G06Q10/067 , G06Q10/0631
Abstract: 本发明涉及一种基于楼宇能耗管理的多维评估方法，包括如下步骤：S1、建立能耗行为指标，其中，所述能耗行为指标包括人因素、机因素、料因素和法因素；S2、运用能耗分析方法，建立能耗综合指标评估体系；S3、以用能影响因素作为一级指标，以能耗行为指标作为二级指标，建立基于能耗的综合评价指标对能耗综合指标评估体系中的各项能耗行为指标进行综合评价。与现有技术相比，本发明通过系统化的能耗指标建立和评估体系，能够全面了解大楼的能耗情况，识别主要的能耗来源，制定相应的节能改进措施，从而提升整体能效管理水平。
-
公开(公告)号：CN118940919B
公开(公告)日：2025-02-07
申请号：CN202411436858.2
申请日：2024-10-15
IPC: G06Q10/04 , G06Q50/06 , H02J3/00 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 一种注意力机制融合时空特征的负荷预测方法，该方法中，获取电力负荷数据集并划分训练集和测试集；收集天气数据并利用随机森林算法并按照重要性进行排序，选择天气数据前三项显著的特征作为模型输入；应用VMD对电力负荷数据进行分解，将其分解为多个局部的成分，每个成分对应于一个频率范围内的振动模态并利用RIME算法对VMD中的参数进行迭代优化，获得复杂度最小的子序列分量；根据分解的各个子序列分量，结合选取的前三项气象特征作为模型输入，构建注意力机制融合时空特征的能耗预测模型，运用BiTCN模型和BiGRU模型并行机制，同时处理时间序列数据，在经过交叉注意力层，进行特征增强，得到预测结果。
-
公开(公告)号：CN118940919A
公开(公告)日：2024-11-12
申请号：CN202411436858.2
申请日：2024-10-15
IPC: G06Q10/04 , G06Q50/06 , H02J3/00 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 一种注意力机制融合时空特征的负荷预测方法，该方法中，获取电力负荷数据集并划分训练集和测试集；收集天气数据并利用随机森林算法并按照重要性进行排序，选择天气数据前三项显著的特征作为模型输入；应用VMD对电力负荷数据进行分解，将其分解为多个局部的成分，每个成分对应于一个频率范围内的振动模态并利用RIME算法对VMD中的参数进行迭代优化，获得复杂度最小的子序列分量；根据分解的各个子序列分量，结合选取的前三项气象特征作为模型输入，构建注意力机制融合时空特征的能耗预测模型，运用BiTCN模型和BiGRU模型并行机制，同时处理时间序列数据，在经过交叉注意力层，进行特征增强，得到预测结果。
-
公开(公告)号：CN119944671A
公开(公告)日：2025-05-06
申请号：CN202510417343.6
申请日：2025-04-03
Applicant: 上海电力大学
IPC: H02J3/00 , G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06F18/25 , G06N3/048
Abstract: 本发明公开了基于GLA‑UNet模型结构的电负荷预测方法及系统，涉及电力负荷预测技术领域，其技术方案要点是：将单变量或多变量数据通过线性映射层投影至高维特征空间，生成嵌入向量序列；对嵌入向量进行多级下采样，每级包含平均池化层和GLA注意力单元，输出不同时间粒度的编码特征；对最深层的编码特征逐级上采样，每级融合对应层级的编码特征并通过GLA注意力单元优化，输出与输入同分辨率的重建序列；通过两个线性层分别调整重建序列的时间长度和特征维度，生成电力负荷预测值。本发明能够有效地捕捉时间序列数据中的多层次特征，在稀疏日级电力负荷预测中实现了精度、鲁棒性与实用性的平衡，特别是周期性和季节性模式。
-
-
-
Search Results
4
records
(took 0.142 seconds)
