-
公开(公告)号：CN118627920A
公开(公告)日：2024-09-10
申请号：CN202410624401.8
申请日：2024-05-20
IPC分类号： G06Q10/0637 , G06Q50/06 , G06N3/0464 , G06N3/0455 , G06N3/0895 , G06F18/213 , G06F18/24 , G06F18/25 , G06N20/00
摘要： 本发明公开了一种基于伪标签半监督学习的污染源超限排放研判方法，基于海量多源融合数据获取用户污染源超限排放研判所需输入数据；然后结合交叉聚合特征衍生、时序样本熵、卷积神经网络自动编码器进行多维度污染源超限排放特征提取，最后通过多个机器学习模型融合预测实现研判，此外，针对污染源超限排放用户实际样本集缺少问题，引入伪标签半监督学习算法实现样本扩充增强，提升模型研判准确度。
-
公开(公告)号：CN117408253A
公开(公告)日：2024-01-16
申请号：CN202310823066.X
申请日：2023-07-05
申请人： 国网浙江省电力有限公司湖州供电公司 , 湖州电力设计院有限公司
IPC分类号： G06F40/295 , G06F16/36 , G06N7/02 , G06F18/22 , G06N20/00
摘要： 本发明公开了一种基于本体对齐抽取技术的电力物联网数据集成方法，包括以下步骤：构建基于半监督学习的模糊论证框架GL‑SSCFAF；采用上下文策略定义模糊论证因子之间的“支持”和“反驳”关系；通过半监督的学习方法结合抽取最终对齐，解决相似性度量之间的冲突。通过设置面向电力物联网本体集成任务的半监督论证框架GL‑SSCFAF，在基于最小模糊熵的模糊论证框架基础上，提出通过半监督的学习方法抽取最终对齐，针对电力物联网本体的概念异构现象提出上下文策略，通过定义对应的两个实体在源本体和目标本体中的上下文实体之间的关系，减少错误匹配以避免集成本体的一致性和保守性违反问题。
-
公开(公告)号：CN118037078A
公开(公告)日：2024-05-14
申请号：CN202410437244.X
申请日：2024-04-12
申请人： 国网浙江省电力有限公司湖州供电公司
IPC分类号： G06Q10/0637 , G06Q50/26 , G06Q10/04
摘要： 本发明公开了一种变电站碳排放计算数据迁移方法。为了克服现有技术需要在各个站点安装碳排放检测设备，花费大量的人力、物力与财力的问题；本发明通过变电站即有调度数据，以碳排放监测站点数据为锚点，通过层次权重，聚合各碳排放相似评判要素，并将权重加成后的要素进行聚类分析，找出最适合的锚点数据进行碳排放预测，实现以少数典型监测站点外推多数非碳监测站点的碳排放监测，响应碳管理的同时，大幅降低工程造价。
-
公开(公告)号：CN116933839A
公开(公告)日：2023-10-24
申请号：CN202310819277.6
申请日：2023-07-05
申请人： 国网浙江省电力有限公司湖州供电公司 , 湖州电力设计院有限公司
IPC分类号： G06N3/0442 , G06N3/0985 , G06Q50/06 , G06Q50/08 , H02J3/00
摘要： 本发明公开了一种基于BOA‑LSTM的住宅建筑用电预测方法，为了克服现有技术的缺乏对住宅建筑用电的准确预测方法的问题，包括：采集住宅建筑用电能耗作为原始数据构建原始数据集，基于LSTM神经网络构建住宅建筑用电能耗预测模型；通过BOA算法进行超参数寻优获取最优超参数组合，利用最优超参数组合对住宅建筑用电能耗预测模型进行迭代训练；构建模型评价指标，基于模型评价指标对住宅建筑用电能耗预测模型进行评价。LSTM神经网络可以识别不规则时间序列的趋势且可存储较长的依赖信息，BOA算法即贝叶斯优化算法，通过贝叶斯优化算法寻求最优的超参数组合，对神经网络进行调参，使神经网络超参数调优获得较好的训练结果，提升数据预测的及时性和准确性。
-
公开(公告)号：CN118037078B
公开(公告)日：2024-07-30
申请号：CN202410437244.X
申请日：2024-04-12
申请人： 国网浙江省电力有限公司湖州供电公司
IPC分类号： G06Q10/0637 , G06Q50/26 , G06Q10/04
摘要： 本发明公开了一种变电站碳排放计算数据迁移方法。为了克服现有技术需要在各个站点安装碳排放检测设备，花费大量的人力、物力与财力的问题；本发明通过变电站即有调度数据，以碳排放监测站点数据为锚点，通过层次权重，聚合各碳排放相似评判要素，并将权重加成后的要素进行聚类分析，找出最适合的锚点数据进行碳排放预测，实现以少数典型监测站点外推多数非碳监测站点的碳排放监测，响应碳管理的同时，大幅降低工程造价。
-
公开(公告)号：CN111415060A
公开(公告)日：2020-07-14
申请号：CN202010070843.4
申请日：2020-01-21
申请人： 国网浙江省电力有限公司湖州供电公司 , 国网浙江长兴县供电有限公司
摘要： 本发明涉及电力系统运营维护技术领域，具体涉及基于客户标签的投诉风险分析方法，包括：A)收集客户数据；B)收集历年投诉数据；C)将n个客户进行聚类，为每个类簇关联投诉类型标签；D)依次计算用户到k个类簇的距离；E)将距离最小值的倒数作为客户发起投诉的初始风险，计算所有客户的初始风险的均值μ和方差σ；F)客户发起投诉的风险为为 投诉类型预测为类簇关联的投诉类型。本发明的实质性效果是：能够预测客户投诉的风险，找到高风险客户并优先排查客户对应的故障，从而降低投诉总数，提高电网客户整体满意度，并同时提高了电网整体运行可靠水平，优化运维资源的分配。
-
公开(公告)号：CN111415060B
公开(公告)日：2022-07-29
申请号：CN202010070843.4
申请日：2020-01-21
申请人： 国网浙江省电力有限公司湖州供电公司 , 国网浙江长兴县供电有限公司
摘要： 本发明涉及电力系统运营维护技术领域，具体涉及基于客户标签的投诉风险分析方法，包括：A)收集客户数据；B)收集历年投诉数据；C)将n个客户进行聚类，为每个类簇关联投诉类型标签；D)依次计算用户到k个类簇的距离；E)将距离最小值的倒数作为客户发起投诉的初始风险，计算所有客户的初始风险的均值μ和方差σ；F)客户发起投诉的风险为为投诉类型预测为类簇关联的投诉类型。本发明的实质性效果是：能够预测客户投诉的风险，找到高风险客户并优先排查客户对应的故障，从而降低投诉总数，提高电网客户整体满意度，并同时提高了电网整体运行可靠水平，优化运维资源的分配。
-
公开(公告)号：CN110503232A
公开(公告)日：2019-11-26
申请号：CN201910576657.5
申请日：2019-06-28
申请人： 国网浙江省电力有限公司湖州供电公司 , 国网浙江长兴县供电有限公司
摘要： 本发明为一种分布式光伏负荷数据预测与修复方法，首先利用皮尔逊积矩相关系数进行相似用户选取和历史相似日选取，之后进行BP神经网络模型，然后利用训练好的BP神经网络模型进行数据预测，最终将预测数据与实际数据进行比较。本发明的优点是：在待预测用户的周围用户中选择相似用户确保待预测用户和相似用户具有相同的光照条件，提高预测的准确度；利用发电效率选取历史相似日，无需考虑天气和光照因素，选取便捷高效，同时能确保预测的准确度。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.115 秒)
