-
公开(公告)号：CN113837894B
公开(公告)日：2023-12-19
申请号：CN202110900810.2
申请日：2021-08-06
申请人： 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司
IPC分类号： G06Q50/06 , G06N3/0464 , G06F18/214 , G06N3/0442 , G06N3/045 , H02J3/00
摘要： 本发明涉及电力系统技术领域，尤其涉及一种基于残差卷积模块的非侵入式居民用户负荷分解方法，包括：获取训练数据并进行数据预处理；构建并训练负荷分解模型：训练数据中的总有功功率序列输入残差卷积模块，在残差卷积模块中，以CNN模型作为基础学习有功功率特征，通过跨层连接将原输入数据与通过CNN学习到的特征数据相加，将所得数据进一步输入到GRU网络学习时序特征，输出目标电器有功功率的预测值；将目标电器有功功率的预测值与真实值进行比较，不断调整负荷分解模型的网络参数得到训练好的负荷分解模型；通过训练好的负荷分解模型对待分解的用户总有功功率进行分解，获得目(56)对比文件US 2021365782 A1,2021.11.25崔佳豪,毕利.基于混合神经网络的光伏电量预测模型的研究.电力系统保护与控制.2021,49(13),全文.李晓,卢先领.基于双重注意力机制和GRU网络的短期负荷预测模型.计算机工程.2022,第48卷(第2期),全文.
-
公开(公告)号：CN114021430A
公开(公告)日：2022-02-08
申请号：CN202111220448.0
申请日：2021-10-20
申请人： 国网江苏省电力有限公司南京供电分公司 , 河海大学 , 国网江苏省电力有限公司 , 南京南瑞信息通信科技有限公司
IPC分类号： G06F30/27 , G06K9/62 , G06F111/08
摘要： 一种基于电量和电压信息融合的户变关系辨识方法，基于热重启随机梯度下降和一类支持向量机信息融合，包括以下步骤：(1)构建台区用电量参数化模型；(2)利用随机梯度迭代和学习率自调整方法求全局最优解，进行初步辨识；(3)利用滑动时间窗多次判断得到初步户变识别结果；(4)基于初步识别结果，由户变关系正常用户的电压数据构成训练样本；(5)利用一类支持向量机，学习台区户变关系正常用户的电压特征，构建户变关系识别模型，实现对低压台区户变关系的正确辨识。本发明能够有效识别出户变关系档案错误用户，查全率和查准率都有较大提升，节约排查成本，实现了基于台区不同特征信息融合的综合判断方法，与单一特征信息判断方法相比较，识别结果更稳定和可靠。
-
公开(公告)号：CN113837894A
公开(公告)日：2021-12-24
申请号：CN202110900810.2
申请日：2021-08-06
申请人： 国网江苏省电力有限公司南京供电分公司 , 河海大学 , 国网江苏省电力有限公司 , 南京南瑞信息通信科技有限公司
摘要： 本发明涉及电力系统技术领域，尤其涉及一种基于残差卷积模块的非侵入式居民用户负荷分解方法，包括：获取训练数据并进行数据预处理；构建并训练负荷分解模型：训练数据中的总有功功率序列输入残差卷积模块，在残差卷积模块中，以CNN模型作为基础学习有功功率特征，通过跨层连接将原输入数据与通过CNN学习到的特征数据相加，将所得数据进一步输入到GRU网络学习时序特征，输出目标电器有功功率的预测值；将目标电器有功功率的预测值与真实值进行比较，不断调整负荷分解模型的网络参数得到训练好的负荷分解模型；通过训练好的负荷分解模型对待分解的用户总有功功率进行分解，获得目标电器的有功功率分解结果。本发明分解精度高。
-
-
搜索结果
3 条记录 (耗时 0.049 秒)
