-
公开(公告)号：CN109388733A
公开(公告)日：2019-02-26
申请号：CN201810916036.2
申请日：2018-08-13
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 , 国网浙江仙居县供电有限公司
IPC分类号： G06F16/901 , G06F9/448
摘要： 本发明提出一种新的图数据处理引擎优化方法，其特征在于，采用本地迭代，全局通信的处理方式，所述处理方式首先在同一计算节点上开展计算，直到该计算节点上的所有图节点的数据都完成更新则停止局部迭代；在同一计算节点上开展计算的同时，边缘图节点缓存并合并消息，待局部迭代停止后批量传输计算节点间发送的消息，所述边缘图节点为跨两个或多个计算节点的图节点。
-
公开(公告)号：CN109388733B
公开(公告)日：2022-01-07
申请号：CN201810916036.2
申请日：2018-08-13
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 , 国网浙江仙居县供电有限公司
IPC分类号： G06F16/901 , G06F9/448
摘要： 本发明提出一种新的图数据处理引擎优化方法，其特征在于，采用本地迭代，全局通信的处理方式，所述处理方式首先在同一计算节点上开展计算，直到该计算节点上的所有图节点的数据都完成更新则停止局部迭代；在同一计算节点上开展计算的同时，边缘图节点缓存并合并消息，待局部迭代停止后批量传输计算节点间发送的消息，所述边缘图节点为跨两个或多个计算节点的图节点。
-
公开(公告)号：CN108664562B
公开(公告)日：2019-10-01
申请号：CN201810315024.4
申请日：2018-04-10
申请人： 华东师范大学 , 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： 本发明公开了一种基于粒子群优化的文本特征选择方法，该方法是为了解决采用空间向量模型表示文本出现文本特征向量高维且稀疏的问题，本发明将局部搜索策略嵌入到粒子群优化算法中选择出不相关和显著的特征子集，通过考虑粒子群的相关信息来指导粒子群算法在搜索过程中选择不同的特征，从而从原始特征中选择出更加有利于分类准确率的特征。本发明能够从庞大文本词集中选择出最有利于文本表示的特征子集，从而能为文本的分类、文本处理打下良好的基础。
-
公开(公告)号：CN110084424A
公开(公告)日：2019-08-02
申请号：CN201910338745.1
申请日：2019-04-25
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
发明人： 钱仲文 , 黄建平 , 张旭东 , 夏洪涛 , 王文 , 杨少杰 , 王政 , 陈浩 , 张建松 , 沈思琪 , 正卓凡 , 毛宾一 , 吴敏彦 , 王亿 , 陈显辉 , 黄杰 , 王炎 , 陈耀军 , 沈峰 , 陈骏 , 石佳
摘要： 本发明公开了一种基于LSTM与LGBM的电力负荷预测方法，属于电力负荷预测技术领域，包括如下步骤：预处理；构建含有若干层神经单元的LSTM网络，获得LSTM模型预测值；计算LSTM模型的代价函数；构建LGBM决策树，得到LGBM模型预测值；根据LSTM模型的代价函数计算LGBM模型的代价函数；以模型损失函数梯度的负方向为搜索方向，利用梯度下降法，迭代求解目标值，计算平均绝对百分误差MAPE。本发明构建基于LSTM长短期记忆神经网络和LGBM决策树梯度提升方法的电力负荷预测模型，以达到较好的拟合电力数据，充分挖掘出已有数据中的潜在分布信息，准确的完成了考虑天气因素的电力负荷预测任务的目的。
-
公开(公告)号：CN107292415B
公开(公告)日：2021-07-30
申请号：CN201710302053.2
申请日：2017-05-02
申请人： 国网浙江省电力有限公司 , 国家电网公司 , 华北电力大学 , 浙江华云信息科技有限公司
发明人： 夏洪涛 , 袁雪枫 , 牛东晓 , 杨扬 , 姚多朵 , 王亿 , 张旭东 , 王龙 , 戴波 , 王锋华 , 张文军 , 陈新 , 叶烨 , 项弋力 , 丁小 , 杨少杰 , 施婧 , 方刚毅
IPC分类号： G06Q10/04
摘要： 本发明公开了一种智能表轮换时间的预测方法，属于设备寿命预测领域，解决了现有技术中智能表轮换时间预测不准的技术问题，本发明的智能表轮换时间的预测方法，包括：获取智能表的电压合格率以及当前工作环境下的温度值、湿度值和海拔值；获取智能表的综合故障率；将电压合格率、综合故障率、温度值、湿度值和海拔值归算到预设电压合格率基准、预设综合故障率基准、预设温度差基准、预设湿度基准和预设海拔基准，确定电压合格率、综合故障率、温度、湿度和海拔的标幺值；获取电压合格率、综合故障率、温度、湿度和海拔的权重参数，并根据电压合格率、综合故障率、温度、湿度和海拔的标幺值确定智能表轮换时间。
-
公开(公告)号：CN109858674A
公开(公告)日：2019-06-07
申请号：CN201811612619.2
申请日：2018-12-27
申请人： 国网浙江省电力有限公司 , 国网浙江省电力公司杭州供电公司 , 浙江华云信息科技有限公司
摘要： 本发明提供了基于XGBoost算法的月度负荷预测方法，包括对负荷指标进行转换，对影响负荷因素指标数据进行热编码处理；以用户每月最大负荷数据作为模型的输出，选择与月最大负荷关联性较强的影响因素变量作为输入变量；将选入模型的影响负荷预测因素变量转化为稀疏矩阵，形成XGboost建模数据；将月最大负荷定义为XGboost模型输出；定义模型学习目标函数、回归树生成参数等构造负荷预测的XGboost模型；对XGboost各参数进行交叉验证测试，得到模型精度最高的参数组合，基于得到的参数组合进行负荷预测。经验证，模型结果显示平均相对误差控制在5％，模型对于预测单个企业未来一个月的最大负荷数据有较好的效果，对帮助企业优化用电方式，降低用电成本有一定的指导和借鉴意义。
-
公开(公告)号：CN110047016A
公开(公告)日：2019-07-23
申请号：CN201910337786.9
申请日：2019-04-25
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
发明人： 黄建平 , 钱仲文 , 张旭东 , 夏洪涛 , 王文 , 杨少杰 , 王政 , 陈浩 , 张建松 , 沈思琪 , 正卓凡 , 毛宾一 , 吴敏彦 , 王亿 , 陈显辉 , 黄杰 , 王炎 , 陈耀军 , 沈峰 , 周明磊 , 纪德良
IPC分类号： G06Q50/06 , G06F16/245 , G06K9/62
摘要： 本发明公开了一种基于Spark Streaming的流式大规模电力数据分析方法，步骤如下：第一步，利用SS树进行在线电力数据流的相似性搜索，以对电力数据进行聚类；第二步，改进的Spark并行K均值聚类法对离线电力数据流进行聚类，K均值聚类的聚类中心和类数初始值采用第一步所获得的聚类中心。本发明方法在UCI数据集上的实验评估表明，本发明方法优于传统的K均值聚类算法。同时，通过对用户真实数据集的测试发现，本发明可以快速有效地对用户的电力数据进行聚类。
-
公开(公告)号：CN108664562A
公开(公告)日：2018-10-16
申请号：CN201810315024.4
申请日：2018-04-10
申请人： 华东师范大学 , 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： 本发明公开了一种基于粒子群优化的文本特征选择方法，该方法是为了解决采用空间向量模型表示文本出现文本特征向量高维且稀疏的问题，本发明将局部搜索策略嵌入到粒子群优化算法中选择出不相关和显著的特征子集，通过考虑粒子群的相关信息来指导粒子群算法在搜索过程中选择不同的特征，从而从原始特征中选择出更加有利于分类准确率的特征。本发明能够从庞大文本词集中选择出最有利于文本表示的特征子集，从而能为文本的分类、文本处理打下良好的基础。
-
公开(公告)号：CN116523190A
公开(公告)日：2023-08-01
申请号：CN202310058775.3
申请日：2023-01-16
IPC分类号： G06Q10/0631 , G06Q50/06
摘要： 本发明公开了基于大数据的能源互联网系统,包括：能源采集模块、能源监测模块、能源优化模块、能源节能模块、能源维护模块和能源协同模块通信连接；所述能源采集模块用于接入智能设备，获得能源的自动抄表；所述能源监测模块用于对能源进行数字化实时监测；所述能源优化模块用于根据监测的能源通过智能分析和智能诊断进行优化并结合专家模型，获得优化后的能源。所述能源节能模块用于对单位的能耗进行动态化管理和精细化管理，获得节能后的能源；所述能源维护模块用于能源与生产运营和工艺设备数据的交互和维护；所述能源协同模块用于能源管理数据和单位部门交互，进行能源按需选配。本发明实现能源的节能降耗、实时监测并按需选配给需要的平台。
-
公开(公告)号：CN112991088A
公开(公告)日：2021-06-18
申请号：CN202110154397.X
申请日：2021-02-04
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温州供电公司
摘要： 本发明公开了一种基于VMD‑ANFIS‑ARIMA的月度电力需求预测方法，解决了现有技术的不足，包括以下步骤：步骤1，获取月度用电序列数据，确定VMD分量VMF个数；步骤2，以筛选的影响因素为自变量，VMF中的趋势项作为因变量，使用ANFIS模型进行预测；步骤3，对除趋势项以外的VMF进行序列平稳性检验，并根据其相关系数及其偏自相关系数确定AR和MA的阶数；步骤4，使用ARIMA模型对除趋势项以外的VMF进行时间序列预测；步骤5，对各个VMD分量预测结果进行线性重构得到最终的用电量需求预测结果。
-
-
-
-
-
-
-
-
-
搜索结果
58 条记录 (耗时 0.084 秒)
