-
公开(公告)号：CN115907473A
公开(公告)日：2023-04-04
申请号：CN202211528031.5
申请日：2022-11-30
申请人： 国网上海市电力公司 , 华东电力试验研究院有限公司
摘要： 本发明涉及一种虚拟电厂电力系统组成优化方法，方法包括以下步骤：S1、获取指标和与指标对应的风险评分数据，对评分数据进行SMOTE数据过采样；S2、将过采样后的风险评分数据输入多层次广义线性模型，所述多层次广义线性模型结合神经网络结构，多层次广义线性模型输出风险度量；S3、基于粒子群优化算法估计多层次广义线性模型的输出中的风险传递系数，基于估计后的风险传递系数优化虚拟电厂电力系统的组成。与现有技术相比，本发明结合神经网络结构，构建多层次广义线性模型，基于粒子群优化算法优化多层次广义线性模型，进而优化虚拟电厂电力系统的组成。
-
公开(公告)号：CN115860208A
公开(公告)日：2023-03-28
申请号：CN202211509335.7
申请日：2022-11-29
申请人： 国网上海市电力公司 , 华东电力试验研究院有限公司
摘要： 本发明涉及一种基于模糊神经网络的间歇性电源出力预测方法，方法包括：获取模型训练数据集，对模型训练数据集进行预处理，基于预处理后的模型训练数据集训练模糊神经网络模型，将实际数据输入训练好的模糊神经网络模型，得到实际预测结果；训练好的模糊神经网络模型包括：输入层；模糊化层；规则层；去模糊层；和输出层。与现有技术相比，本发明具有能解释预测结果的可靠性、贴近真实的输出等优点。
-
公开(公告)号：CN111861206A
公开(公告)日：2020-10-30
申请号：CN202010700143.9
申请日：2020-07-20
申请人： 国网上海市电力公司 , 复旦大学 , 华东电力试验研究院有限公司
IPC分类号： G06Q10/06 , G06Q50/06 , G06F16/215 , G06F16/2458
摘要： 本发明涉及一种基于企业电力大数据的工业行业景气指数获取方法，包括以下步骤：1)获取行业内企业的用电信息，并进行清洗和修正；2)根据中类行业的用电量数据构建不同时期的复杂网络模型，用以描述行业间相互影响、相互传导的上下游关联关系；3)提取复杂网络模型的网络指标并采用隐马尔可夫状态转移模型进行工业行业景气指数预测。与现有技术相比，本发明具有有效整合企业耗电量高频数据、明确行业间的上下游产业结构、排除非生产性因素的干扰、构建细分行业的工业行业景气指数等优点。
-
公开(公告)号：CN110297851A
公开(公告)日：2019-10-01
申请号：CN201910469104.X
申请日：2019-05-31
IPC分类号： G06F16/2458 , G06F17/16 , G06Q50/06
摘要： 本发明涉及一种电力负荷的改进关联性获取方法，步骤为：1)输入拟特征变量与因变量，形成初始矩阵；2)利用基于熵权法的灰色关联分析算法，计算拟特征变量对因变量的纵向关联度，获取纵向关联度矩阵；3)利用基于熵权法的灰色关联分析算法，计算拟特征变量间的横向关联度，获取横向关联度矩阵；4)将横向关联度大于设定值的拟特征变量分为一组，比较该组中各变量对因变量的纵向关联度，选出纵向关联度最大的拟特征变量；5)输出横向关联度小于等于设定值的拟特征变量，结合纵向关联度最大的拟特征变量作为自变量数据集的特征变量。本发明可避免关联度高的影响因素对负荷有贡献的变量产生的冗余，使各影响因素反映的信息更加完整。
-
公开(公告)号：CN110287544A
公开(公告)日：2019-09-27
申请号：CN201910472368.0
申请日：2019-05-31
摘要： 本发明涉及一种基于高斯混合算法的配电网用电时序解构方法，该解构方法包括以下分步骤：步骤1：将配电网中每个用电器的分项电量数据分为训练集和测试集；步骤2：针对训练集应用隐马尔科夫模型进行训练，获取最优参数解；步骤3：结合最优参数解和总用电量数据构建总模型，利用总模型求出测试集上每个时刻总电量观测数据对应的状态，并将总状态分解到各个分项用电器所对应的状态上；步骤4：根据步骤2中训练得到的每个用电器的分项模型预测每个用电器在测试时间内的先验期望值；步骤5：利用先验期望值对总电量观测数据进行对比修订并得出最终解构结果。与现有技术相比，本发明具有解构速度快，精确度高等优点。
-
公开(公告)号：CN110288383B
公开(公告)日：2024-02-02
申请号：CN201910473316.5
申请日：2019-05-31
IPC分类号： G06Q30/0201 , G06Q50/06 , G06F18/2433
摘要： 本发明涉及一种基于用户属性标签的群体行为配电网用电异常检测方法，包括以下步骤：步骤1：建立用电量序列；步骤2：采用随机前沿模型计算用户负载效率系数；步骤3：建立用电趋势序列；步骤4：提取其台账信息数据并进行标签标记；步骤5：循环执行步骤1至步骤4得到针对区域内的所有用电用户的单位周期内的特征矩阵；步骤6：针对所有用电用户的单位周期内的特征矩阵利用局部离群因子算法得出局部离群得分；步骤7：将局部离群得分组成个体异常矩阵后与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。与现有技术相比，本发明具有检测准确度高，针对性强等优点。
-
公开(公告)号：CN110298552B
公开(公告)日：2023-12-01
申请号：CN201910473325.4
申请日：2019-05-31
IPC分类号： G06Q10/0637 , G06Q50/06 , G06F18/2433
摘要： 本发明涉及一种结合历史用电特征的配电网个体功率异常检测方法，该方法包括以下步骤：步骤1：提取特征向量；步骤2：分别计算用电低谷时段和平段用电量各自占总用电的百分比；步骤3：根据用电低谷时段和平段用电量各自占总用电的百分比的计算结果构造特征矩阵；步骤4：利用局部离群算法得出局部得去得分；步骤5：循环执行步骤1～步骤4得出所有用户的局部得去得分；步骤6：根据所有用户的局部得去得分进一步得出对应的个体异常矩阵，计算个体异常矩阵中个体每个周期的异常度并将个体每个周期的异常度与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。与现有技术相比，本发明具有检测准确度高，针对性强等优点。
-
公开(公告)号：CN110297827A
公开(公告)日：2019-10-01
申请号：CN201910469141.0
申请日：2019-05-31
IPC分类号： G06F16/22 , G06F16/2458 , G06F16/27
摘要： 本发明涉及一种集合Lucene和Hbase的电力数据检索系统，该系统包括HBase集群、Lucene集群和设于二者之间的协处理器，根据项目对时间的需求，所述的Lucene集群作为第一层检索单元存储30*24小时内的数据，并存储对该时间段内的数据建立的索引，所述的HBase集群作为第二层检索单元，存储335*24小时内的数据以及HBase对该时间段历史数据建立的二级索引，客户端根据查询条件将实时数据发送至Lucene集群，并将历史数据发送至HBase集群，Lucene集群将过期数据迁移至协处理器，协处理器将二级索引及过期数据发送至HBase集群，经过计算、处理后，Lucene集群、HBase集群输出检索返回结果到客户端。与现有技术相比，本发明可提高检索日志数据的实时性。
-
公开(公告)号：CN110084398A
公开(公告)日：2019-08-02
申请号：CN201910198215.1
申请日：2019-03-15
摘要： 本发明涉及一种基于企业电力大数据的行业景气自适应检测方法，包括以下步骤：步骤1：针对企业用电信息进行清洗整理；步骤2：构建复杂网络模型并选取相关行业；步骤3：利用隐马尔可夫模型分离不同用电行为状态；步骤4：构建行业景气指数并进行自适应检测。与现有技术相比，本发明具有理论先进，将复杂网络模型和隐马尔可夫模型进行了有机结合，复杂网络模型通过对全局所有变量的分析和比较，提高了隐马尔可夫模型中相关变量选取的有效性，刻画了不同行业之间动态关联关系和转移特征，将复杂网络模型的结果输入隐马尔可夫模型，同时考虑外部天气、节假日因素的影响，提高了对行业生产景气状况预测的准确性等优点。
-
公开(公告)号：CN110298765B
公开(公告)日：2024-02-02
申请号：CN201910472376.5
申请日：2019-05-31
IPC分类号： G06Q50/06 , G06F18/2433
摘要： 本发明涉及一种基于客观关联因素的配电网用电功率异常检测方法，该方法包括以下步骤：步骤1：针对用电用户建立结合综合用电特征信息的理论用电量模型；步骤2：实时收集用电用户的实际用电量；步骤3：获取实际用电量与理论用电量模型之间的偏差；步骤4：利用LOF算法对偏差进行离群检测并得出异常嫌疑用户检测结果。与现有技术相比，本发明具有检测准确度高，针对性强等优点。
-
-
-
-
-
-
-
-
-
搜索结果
20 条记录 (耗时 0.073 秒)
