-
公开(公告)号：CN115587303A
公开(公告)日：2023-01-10
申请号：CN202211315002.0
申请日：2022-10-26
申请人： 国网江苏省电力有限公司镇江供电分公司
IPC分类号： G06F18/214 , G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/08 , H02J3/00
摘要： 本发明提供一种基于电力负荷增强预测的电能精准计量方法，包括以下步骤：采集历史电力负荷数据作为原始数据；基于所述原始数据进行数据转换得到扩充数据，将所述扩充数据和所述原始数据组成数据集；构建电力负荷预测模型，将所述数据集输入所述电力负荷预测模型内进行训练，得到训练后预测模型；采集当前电力负荷数据作为输入数据，将所述输入数据输入所述训练后预测模型，输出预测数据和基于所述预测数据相对应的电流互感器变比档位调节方案数据。本发明专利提出了一种电力负荷增强预测方法，有效解决了电力负荷预测中训练数据不足的问题。根据数据增强后的模型预测结果，本发明专利提出了基于电力负荷增强预测的电能精准计量方法。
-
公开(公告)号：CN115099650A
公开(公告)日：2022-09-23
申请号：CN202210779220.3
申请日：2022-07-01
申请人： 国网江苏省电力有限公司镇江供电分公司
摘要： 本发明公开了一种基于抄表差错风险模型的抄表差错监控方法及系统，针对拆表底度数据错误以及尖峰平谷之和不等于总示数两大常见问题，克服现有技术的不足，将电能表的拆表数据按照区域内的班组进行分组，将电能表的费率时段尖峰平谷电能量数据按照电能表厂家进行分组，并利用审计风险点分别提取出对应数据组的特征量，分别统计各个班组或者各个电能表厂家发生数据差错的风险概率，对数据组特征量以及差错量的特征向量用加权平均的方法算出某区域内的抄表差错风险概率，从而决定差错风险是否达到可接受的值以及是否需要进一步扩大审核范围，实现了降低电量计费错误风险。
-
公开(公告)号：CN110007119A
公开(公告)日：2019-07-12
申请号：CN201910354509.9
申请日：2019-04-29
申请人： 国网江苏省电力有限公司镇江供电分公司
摘要： 本发明公开了一种电能表更换用固线夹，包括上线夹体、下线夹体、连接体，上线夹体的一端和下线夹体的一端之间由连接体柔性连接，所述上线夹体的上端面设有多个纵向的半圆形通孔，所述下线夹体的上端面设有多个纵向的半圆形通孔，所述连接体折叠后，上线夹体的上端面与下线夹体的上端面闭合为一体，上线夹体的半圆形通孔与下线夹体的半圆形通孔的位置一一对应，闭合为圆形通孔，在上线夹体、下线夹体的中部设一垂直内螺纹孔，使用螺丝旋入内螺纹孔，可将上线夹体、下线夹体闭合固定为一体。本发明既方便电能表的更换，又可防止出现接线错误的情况。
-
公开(公告)号：CN113919687B
公开(公告)日：2024-03-08
申请号：CN202111174499.4
申请日：2021-10-08
申请人： 国网江苏省电力有限公司镇江供电分公司
IPC分类号： G06Q10/0631 , G06Q10/087 , G06Q50/06
-
公开(公告)号：CN115545503B
公开(公告)日：2024-02-02
申请号：CN202211259893.2
申请日：2022-10-14
申请人： 国网江苏省电力有限公司镇江供电分公司 , 国网江苏省电力有限公司
IPC分类号： G06F18/20 , G06N3/0464 , G06N3/08 , G06Q50/06 , H02J3/00
摘要： 本发明涉及一种基于并联时序卷积神经网络的电力负荷中短期预测方法及系统,属于电力系统调度控制领域。方法包括：对训练数据进行处理，提取周期性特征数据；所述周期性特征数据包括小时周期特征数据、日周期特征数据、周周期特征数据和月周期特征数据；根据所述周期性特征数据创建并联时序卷积神经网络模型，所述并联时序卷积神经网络模型包括四个时间卷积神经网络TCN模型；利用所述并联时序卷积神经网络模型对所述电力负荷进行中短期预测，并输出预测结果。本方法能够有效反映负荷数据的多周期特征，从而提升了电力负荷中短期预测的准确度。
-
公开(公告)号：CN115099650B
公开(公告)日：2023-05-30
申请号：CN202210779220.3
申请日：2022-07-01
申请人： 国网江苏省电力有限公司镇江供电分公司
IPC分类号： G06Q10/0635 , G06Q10/0639 , G06Q10/10 , G06Q40/12 , G06Q50/06
摘要： 本发明公开了一种基于抄表差错风险模型的抄表差错监控方法及系统，针对拆表底度数据错误以及尖峰平谷之和不等于总示数两大常见问题，克服现有技术的不足，将电能表的拆表数据按照区域内的班组进行分组，将电能表的费率时段尖峰平谷电能量数据按照电能表厂家进行分组，并利用审计风险点分别提取出对应数据组的特征量，分别统计各个班组或者各个电能表厂家发生数据差错的风险概率，对数据组特征量以及差错量的特征向量用加权平均的方法算出某区域内的抄表差错风险概率，从而决定差错风险是否达到可接受的值以及是否需要进一步扩大审核范围，实现了降低电量计费错误风险。
-
公开(公告)号：CN113902188B
公开(公告)日：2023-12-22
申请号：CN202111173534.0
申请日：2021-10-08
申请人： 国网江苏省电力有限公司镇江供电分公司
IPC分类号： G06Q10/04 , G06Q10/0631 , G06Q10/087 , G06Q50/06
摘要： 本发明一种电能计量物资需求预测方法涉及电能计量物资的分配和管理。该方法包括S1、对库房各类型电能计量物资每月实际需求数量，即出库数量进行统计，得到概率统计特征；S2、根据历史数据预测未来周期内各类型电能计量物资需求的期望值；S3、根据步骤S2得到的预测的期望值及步骤S1得出的概率统计特征，计算未来需求量的概率分布函数；S4、综合考虑概率分布函数和各类型电能计量物资库存的可靠性要求，确定各类型电能计量物资的需求数量。本发明方法有效提高库存管理的精益化程度，从而改变电能计量物资库存管理方法及模式较为粗放的现状。
-
公开(公告)号：CN115545503A
公开(公告)日：2022-12-30
申请号：CN202211259893.2
申请日：2022-10-14
申请人： 国网江苏省电力有限公司镇江供电分公司 , 国网江苏省电力有限公司
摘要： 本发明涉及一种基于并联时序卷积神经网络的电力负荷中短期预测方法及系统,属于电力系统调度控制领域。方法包括：对训练数据进行处理，提取周期性特征数据；所述周期性特征数据包括小时周期特征数据、日周期特征数据、周周期特征数据和月周期特征数据；根据所述周期性特征数据创建并联时序卷积神经网络模型，所述并联时序卷积神经网络模型包括四个时间卷积神经网络TCN模型；利用所述并联时序卷积神经网络模型对所述电力负荷进行中短期预测，并输出预测结果。本方法能够有效反映负荷数据的多周期特征，从而提升了电力负荷中短期预测的准确度。
-
公开(公告)号：CN113919687A
公开(公告)日：2022-01-11
申请号：CN202111174499.4
申请日：2021-10-08
申请人： 国网江苏省电力有限公司镇江供电分公司
摘要： 本发明一种电能计量物资库存量分配方法及系统涉及电能计量物资库存量的分配。该方法包括S1、对各库房电能计量物资每月实际需求数量进行统计；S2、根据历史数据预测未来周期内的需求数量；S3、根据未来的需求预测值及波动性，计算各库房电能计量物资的最佳分配数量。该方法主要用于电能计量物资总数一定时，各库房存储量的优化分配。本发明可以计及电能计量物资需求量的不确定性，综合预测值与历史数据的不确定性，对各库房的需求量进行调配。
-
公开(公告)号：CN113902188A
公开(公告)日：2022-01-07
申请号：CN202111173534.0
申请日：2021-10-08
申请人： 国网江苏省电力有限公司镇江供电分公司
摘要： 本发明一种电能计量物资需求预测方法涉及电能计量物资的分配和管理。该方法包括S1、对库房各类型电能计量物资每月实际需求数量，即出库数量进行统计，得到概率统计特征；S2、根据历史数据预测未来周期内各类型电能计量物资需求的期望值；S3、根据步骤S2得到的预测的期望值及步骤S1得出的概率统计特征，计算未来需求量的概率分布函数；S4、综合考虑概率分布函数和各类型电能计量物资库存的可靠性要求，确定各类型电能计量物资的需求数量。本发明方法有效提高库存管理的精益化程度，从而改变电能计量物资库存管理方法及模式较为粗放的现状。
-
-
-
-
-
-
-
-
-
搜索结果
13 条记录 (耗时 0.044 秒)
