-
公开(公告)号:CN115169820A
公开(公告)日:2022-10-11
申请号:CN202210671836.9
申请日:2022-06-14
申请人: 国网浙江省电力有限公司 , 国网浙江省电力有限公司湖州供电公司 , 浙江华云信息科技有限公司
摘要: 本申请提供了一种基于信息生态链架构的业财映射规则体系处理方法及中台,本申请通过获取电网待检修信息;根据电网待检修信息以及预构建的标准项目库建立项目类型与作业类型、设备对象的关联关系;基于关联关系建立设备+作业的成本信息单元;基于成本信息单元及预设的标准成本结构计算项目实际成本;建立项目实际成本与标准成本结构的业财映射关系。本申请基于从业务设备层到财务层的信息生态链架构构建精细化的业财映射关系,实现业务链路贯通;推动业财系统信息交互产生信息聚合价值,实现数据、流程和系统的全场景共享融合。
-
公开(公告)号:CN113902426A
公开(公告)日:2022-01-07
申请号:CN202111494137.3
申请日:2021-12-08
申请人: 国网浙江省电力有限公司 , 浙江华云信息科技有限公司
摘要: 本发明提供一种基于人工智能的故障自动检测方法及中台,包括:数据接收节点接收用户输入的配置数据,对新增数据采集节点的新增维度信息进行分类得到第一维度集合和第二维度集合;基于第一维度集合中的新增数据采集节点生成至少一个第一数据采集节点,基于至少一个第一数据采集节点生成一级更新信息;若第一维度集合为空集且第二维度集合不为空集,则基于第二维度集合中的新增数据采集节点生成至少一个第二数据采集节点,基于至少一个第二数据采集节点生成二级更新信息;若二级监测数据的数量与二级更新信息不对应,则输出二级故障提醒信息至数据接收节点;若检测到所述一级监测数据的数量与所述一级更新信息不对应,则输出一级故障提醒信息。
-
公开(公告)号:CN113902426B
公开(公告)日:2022-03-08
申请号:CN202111494137.3
申请日:2021-12-08
申请人: 国网浙江省电力有限公司 , 浙江华云信息科技有限公司
摘要: 本发明提供一种基于人工智能的故障自动检测方法及中台,包括:数据接收节点接收用户输入的配置数据,对新增数据采集节点的新增维度信息进行分类得到第一维度集合和第二维度集合;基于第一维度集合中的新增数据采集节点生成至少一个第一数据采集节点,基于至少一个第一数据采集节点生成一级更新信息;若第一维度集合为空集且第二维度集合不为空集,则基于第二维度集合中的新增数据采集节点生成至少一个第二数据采集节点,基于至少一个第二数据采集节点生成二级更新信息;若二级监测数据的数量与二级更新信息不对应,则输出二级故障提醒信息至数据接收节点;若检测到所述一级监测数据的数量与所述一级更新信息不对应,则输出一级故障提醒信息。
-
公开(公告)号:CN113256036A
公开(公告)日:2021-08-13
申请号:CN202110791617.X
申请日:2021-07-13
申请人: 国网浙江省电力有限公司 , 国网浙江省电力有限公司湖州供电公司
摘要: 本发明公开了基于Prophet‑LSTNet组合模型的供电成本分析预测方法,解决了现有技术的不足,包括以下步骤:步骤1,获取一段时间内历史每日供电成本数据,并将供电成本数据输入Prophet模型;步骤2,通过Prophet模型对供电成本数据分解成非线性趋势成分数据、季节性成分数据以及假日成分数据;步骤3,进行特征工程建设,得到供电成本数据的多维特征;步骤4,将供电成本数据的多维特征作为参数输入LSTNet模型,将非线性趋势成分数据输入LSTNet模型,对LSTNet模型进行训练,寻找供电成本数据的多维特征与非线性趋势成分数据之间的依赖关系,训练并交替更新LSTNet模型及非线性趋势成分数据权重参数;步骤5,对供电成本进行预测,得到预测结果。
-
公开(公告)号:CN113256036B
公开(公告)日:2021-10-12
申请号:CN202110791617.X
申请日:2021-07-13
申请人: 国网浙江省电力有限公司 , 国网浙江省电力有限公司湖州供电公司
摘要: 本发明公开了基于Prophet‑LSTNet组合模型的供电成本分析预测方法,解决了现有技术的不足,包括以下步骤:步骤1,获取一段时间内历史每日供电成本数据,并将供电成本数据输入Prophet模型;步骤2,通过Prophet模型对供电成本数据分解成非线性趋势成分数据、季节性成分数据以及假日成分数据;步骤3,进行特征工程建设,得到供电成本数据的多维特征;步骤4,将供电成本数据的多维特征作为参数输入LSTNet模型,将非线性趋势成分数据输入LSTNet模型,对LSTNet模型进行训练,寻找供电成本数据的多维特征与非线性趋势成分数据之间的依赖关系,训练并交替更新LSTNet模型及非线性趋势成分数据权重参数;步骤5,对供电成本进行预测,得到预测结果。
-
公开(公告)号:CN113256020B
公开(公告)日:2021-10-08
申请号:CN202110661228.5
申请日:2021-06-15
申请人: 国网浙江省电力有限公司 , 国网浙江省电力有限公司湖州供电公司
摘要: 本发明公开了一种考虑多尺度时间序列的供电系统成本预测方法,包括如下步骤:S1、搜集供电系统历史成本数据降噪处理后,可视化得到训练集Tr和测试集Tx;S2、对历史成本数据按日为单位进行特征工程建设得到成本的数据结构;S3、采用Prophet模型对训练集Tr的多尺度时间序列进行平稳化处理;S4、采用LSTNet网络模型对分解后的时间序列各项进行建模并引入基于特征的注意力机制;S5、用测试集Tx对Prophet‑LSTNet组合预测模型进行可靠性验证;若可靠性不足,执行S4,若可靠性合格,执行S6;S6、得到的Prophet‑LSTM组合预测模型对供电系统成本进行预测,输出预测结果;Prophet‑LSTNet组合预测模型针对多尺度时间序列的多维成本数据预测,预测结果更加稳定可靠。
-
公开(公告)号:CN113256020A
公开(公告)日:2021-08-13
申请号:CN202110661228.5
申请日:2021-06-15
申请人: 国网浙江省电力有限公司 , 国网浙江省电力有限公司湖州供电公司
摘要: 本发明公开了一种考虑多尺度时间序列的供电系统成本预测方法,包括如下步骤:S1、搜集供电系统历史成本数据降噪处理后,可视化得到训练集Tr和测试集Tx;S2、对历史成本数据按日为单位进行特征工程建设得到成本的数据结构;S3、采用Prophet模型对训练集Tr的多尺度时间序列进行平稳化处理;S4、采用LSTNet网络模型对分解后的时间序列各项进行建模并引入基于特征的注意力机制;S5、用测试集Tx对Prophet‑LSTNet组合预测模型进行可靠性验证;若可靠性不足,执行S4,若可靠性合格,执行S6;S6、得到的Prophet‑LSTM组合预测模型对供电系统成本进行预测,输出预测结果;Prophet‑LSTNet组合预测模型针对多尺度时间序列的多维成本数据预测,预测结果更加稳定可靠。
-
公开(公告)号:CN113298288A
公开(公告)日:2021-08-24
申请号:CN202110391628.9
申请日:2021-04-12
申请人: 国网浙江省电力有限公司湖州供电公司
摘要: 本发明是为了辅助电力部门对未来供电所运维成本进行预测,提出了一种融合时间序列和神经网络的供电所运维成本预测方法,包括以下步骤:步骤(1)搜集历史运维成本数据,分析数据特性;检测并修正数据异常值,准备数据集;步骤(2)采用Prophet模型对数据序列进行平稳化处理,提取并预测序列的趋势成分;步骤(3)进行特征工程建设,对供电所信息进行挖掘分析,得到供电所的运维成本数据的特征;步骤(4)构建LSTNet网络模型进行训练,引入基于特征的注意力机制,训练并交替更新LSTNet预测网络及权重参数;步骤(5)利用训练好的Prophet‑LSTM组合预测网络进行供电所运维成本预测,得到预测结果。
-
公开(公告)号:CN308266164S
公开(公告)日:2023-10-13
申请号:CN202230786838.3
申请日:2022-11-24
申请人: 国网浙江省电力有限公司 , 远光软件股份有限公司
摘要: 1.本外观设计产品的名称:带预算管理图形用户界面的显示屏幕面板。
2.本外观设计产品的用途:用于显示界面和运行程序;该显示屏幕面板用于台式电脑、平板电脑、笔记本电脑、嵌入式电脑、自动终端机或液晶电视。
3.本外观设计产品的设计要点:在于显示屏幕显示的图形用户界面的内容。
4.最能表明设计要点的图片或照片:主视图。
5.不涉及设计要点,省略后视图、左视图、右视图、俯视图、仰视图。
6.图形用户界面的用途:用于展现全面预算管理过程。
7.图形用户界面的变化状态说明:主视图中的界面为主界面,主界面为“预算基础信息维护”选项卡被选中的对应的界面;界面变化状态图1为点击主视图中“标准成本规模测算”选项卡而触发生成的界面;界面变化状态图2为点击主视图或界面变化状态图1中“总控目标测算”选项卡而触发生成的界面;界面变化状态图3为点击主视图、界面变化状态图1至2任一界面中“预算编制及调整”选项卡而触发生成的界面;界面变化状态图4为点击主视图、界面变化状态图1至3任一界面中“预算发布控制”子选项卡而触发生成的界面;界面变化状态图5为点击主视图、界面变化状态图1至4任一界面中“预算执行监控”子选项卡而触发生成的界面;界面变化状态图6为点击主视图、界面变化状态图1至5任一界面中“预算考核评价”子选项卡而触发生成的界面。
-
-
-
-
-
-
-
-