-
公开(公告)号：CN117993958A
公开(公告)日：2024-05-07
申请号：CN202410110934.4
申请日：2024-01-25
Applicant: 国网山东省电力公司济南供电公司 , 国家电网有限公司
Inventor： 张丙旭 , 李晓磊 , 岳炜莉 , 邵明燕 , 李林 , 左美洋 , 顾朝亮 , 刘晓晶 , 董旭 , 陈滨 , 徐家东 , 李思远 , 李克强 , 朱玉 , 张雨薇 , 崔兆亮 , 刘宁宁 , 李冠群 , 李晨 , 万光明 , 徐霞 , 王成龙 , 张爱兰 , 朱彦玮 , 张怡 , 王俏俏 , 谢帅 , 修成林 , 孙家印 , 许莹 , 张娜 , 吴军 , 管清琴 , 魏卓 , 李秀清 , 李秀强 , 魏晓光 , 刘志刚 , 秦灏 , 王全
IPC: G06Q30/0202 , G06Q50/06 , G06N3/0442 , G06F17/16
Abstract: 本发明涉及一种电动汽车充电需求预测方法、装置及可读存储介质，属于电动汽车负荷预测技术领域。包括将待预测区域电动汽车信息数据集、T时段待预测区域的电动汽车历史充电数据集、T时段内待预测区域的气象信息数据集和T时段的节假日信息数据集输入至LSTM神经网络中，提取T时段待预测区域的充电需求特征向量；将T时段待预测区域的充电需求特征向量输入至全连接层的得到待预测区域T+1时段的电动汽车充电需求预测值；本申请充分挖掘了不同气象数据、节假日和工作日与电动汽车充电需求值之间的关系，考虑了环境因素和时间因素对电动汽车充电需求值的影响，提高了电动汽车充电需求预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119024042A
公开(公告)日：2024-11-26
申请号：CN202410919253.2
申请日：2024-07-10
Applicant: 国网山东省电力公司济南供电公司
IPC: G01R22/06 , H02J13/00 , G01R31/44 , G01K13/00 , G06Q50/06 , G16Y10/35 , G16Y40/10 , G16Y40/20 , G16Y40/35 , H04L67/12
Abstract: 本发明涉及电网数据分析技术领域，公开了一种基于物联网的电网数据信息采集分析方法，包括以下步骤：S1：将管辖区域分为多个管理单元；S2：将管理单元中的路灯分为I组检测单元；S3：在管理单元中选择M个路灯作为监测路灯，在监测路灯上设置监测模块；通过监测模块获取监测路灯的监测信息数据；S4：在检测单元中设置采样模块；通过采样模块获取每组检测单元的检测信息数据；S5；通过储存模块储存监测信息数据和检测信息数据；S6：通过分析模块从储存模块调取监测信息数据和检测信息数据进行分析，根据分析结果确认该管理单元的检测单元是否有路灯损坏；使农村用电管理部门及时发现路灯损坏，减少因路灯损坏道路看不见造成的事故发生概率。
-
公开(公告)号：CN118861922A
公开(公告)日：2024-10-29
申请号：CN202410856701.9
申请日：2024-06-28
Applicant: 国网山东省电力公司济南供电公司
IPC: G06F18/2433 , G01R31/00 , G06F18/2131 , G06F18/25 , G06N3/042 , G06N3/045 , G06N3/0464 , G06Q50/06 , G06F123/02
Abstract: 本发明提出了一种基于频谱学习与张量分解的用电异常检测方法和系统，该方法包括：在对获取的用户用电数据预处理后在时间方向上进行特征映射得到嵌入矩阵；基于嵌入矩阵构建数据的拓扑关系得到邻接矩阵；利用嵌入矩阵与邻接矩阵，通过图卷积获得第一特征矩阵；将第一特征矩阵通过注意力机制获得第二特征矩阵；将第一特征矩阵分解为分解矩阵，利用分解矩阵作为多头注意力机制的张量获得细粒度特征矩阵；将细粒度特征矩阵、第一特征矩阵和第二特征矩阵进行特征聚合后得到第三特征矩阵，将第三特征矩阵进行频谱图卷积后得到第四特征矩阵；利用第四特征矩阵进行用电异常检测。基于该方法，还提出了检测系统。本发明提高了用电异常检测的性能。
-
公开(公告)号：CN119513575A
公开(公告)日：2025-02-25
申请号：CN202411651064.8
申请日：2024-11-19
Applicant: 国网山东省电力公司济南供电公司
IPC: G06F18/213 , G06F18/22 , G06F18/25 , G06F18/2135 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种电力设备故障预测方法和系统，该方法包括：将获取的电力设备历史数据进行多模态融合得到各个模态的特征向量；将特征向量采用主成分分析融合得到融合向量；将融合向量构建成图得到时空图；利用时空图采用图卷积方式学习空间信息提取数据的空间特征得到空间特征表示向量；对空间特征表示向量结合注意力权重融合生成注意力融合向量；再利用门控循环单元学习时序信息得到时间特征表示向量；将空间特征表示向量和时间特征表示向量加权特征融合得到时空融合表示向量；利用多层感知机对时空融合表示向量处理输出电力设备故障预测。基于该方法，还提出了一种电力设备故障预测系统。本发明提高了电力设备故障预测的准确性和鲁棒性。
-
公开(公告)号：CN113724098B
公开(公告)日：2023-10-13
申请号：CN202110874191.4
申请日：2021-07-30
Applicant: 国网山东省电力公司济南供电公司
IPC: G06Q50/06 , G06F18/23213 , G06N3/08 , G06N3/0442
Abstract: 本公开提供了一种基于聚类和神经网络的基于聚类和神经网络的窃电用户检测方法及系统，获取多个用户的用电序列数据；对获取的用电序列数据进行预处理；根据预处理后的用电序列数据和预设聚类算法，将用电用户分为非窃电用户簇和窃电用户簇；根据预设时间感知循环神经网络算法，将非窃电用户簇和窃电用户簇中的每个用户转化为表示向量；根据预设多层感知机神经网络和每个用户的表示向量，对非窃电用户簇中的窃电用户进行检测，对窃电用户簇中的非窃电用户进行排除，得到窃电用户的最终检测结果；本公开通过聚类分析和循环神经网络相结合的方法，提高了窃电用户检测的准确性。
-
公开(公告)号：CN113724098A
公开(公告)日：2021-11-30
申请号：CN202110874191.4
申请日：2021-07-30
Applicant: 国网山东省电力公司济南供电公司
Abstract: 本公开提供了一种基于聚类和神经网络的基于聚类和神经网络的窃电用户检测方法及系统，获取多个用户的用电序列数据；对获取的用电序列数据进行预处理；根据预处理后的用电序列数据和预设聚类算法，将用电用户分为非窃电用户簇和窃电用户簇；根据预设时间感知循环神经网络算法，将非窃电用户簇和窃电用户簇中的每个用户转化为表示向量；根据预设多层感知机神经网络和每个用户的表示向量，对非窃电用户簇中的窃电用户进行检测，对窃电用户簇中的非窃电用户进行排除，得到窃电用户的最终检测结果；本公开通过聚类分析和循环神经网络相结合的方法，提高了窃电用户检测的准确性。
-
-
-
-
-
Search Results
6
records
(took 0.047 seconds)
