-
公开(公告)号:CN113220950A
公开(公告)日:2021-08-06
申请号:CN202110546222.3
申请日:2021-05-19
申请人: 国网浙江省电力有限公司湖州供电公司 , 国网能源研究院有限公司 , 浙江泰仑电力集团有限责任公司
IPC分类号: G06F16/903 , G06F16/9038 , G06Q50/06
摘要: 本发明提供了一种电价查询系统及电价查询方法,该系统包括:电价查询模块、图表展示模块及文本下载模块;电价查询模块包括国内电价查询模块和国际电价查询模块;国内电价查询模块用于查询目标省份在查询时间段的第一电价信息,并将查询到的第一电价信息发送至图表展示模块;国际电价查询模块用于查询目标国家对应的属于目标电价类别的第二电价信息,并将查询到的第二电价信息发送至图表展示模块;图表展示模块用于基于第一电价信息生成第一电价图表;基于各个第二电价信息生成第二电价图表。应用该系统,用户可以查询国内外各个地区的电价水平,以实时掌握每个地区之间电价水平的差异,保证各个地区电价的透明度,提高用户的用电体验。
-
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: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:CN115688964A
公开(公告)日:2023-02-03
申请号:CN202211050664.X
申请日:2022-08-30
申请人: 国网浙江省电力有限公司湖州供电公司
摘要: 本发明公开了一种基于遗传算法优化的灰色Verhulst模型预测方法及系统。为了解决传统的灰色Verhulst模型易产生较大误差容易产生较大误差,预测精度不高的问题;本发明包括以下步骤:S1:收集配网检修运维典型作业消耗量数据;S2:构建拓展后的灰色Verhulst模型;S3:基于遗传算法,计算灰色Verhulst模型的最优化背景值系数;S4:基于最优灰色Verhulst模型的配网检修运维典型作业消耗量预测及性能分析。通过拓展的背景值构造方法,克服了传统灰色Verhulst模型易产生较大误差的问题。通过遗传算法对背景值系数寻优,进一步减少误差,提高灰色Verhulst模型的预测精度。
-
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: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:CN115187894A
公开(公告)日:2022-10-14
申请号:CN202210671945.0
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
IPC分类号: G06V20/40 , G06V10/762 , G06T7/73 , G06V10/147 , G06Q50/06
摘要: 本申请提供了一种基于传感器和聚类分析模型的机耗量智能计量方法及系统,本申请通过视觉传感器获取在电力作业操作过程中的作业对象视频图像和机械台班中作业车辆轨迹视频图像;分别进行预处理得到第一样本数据和第二样本数据;对第二样本数据进行处理得到车辆行程信息和车辆身份信息;提取第一样本数据中的动作信息及每个作业动作的起止时刻;基于预构建的聚类分析模型对动作信息进行分类以确定作业类型;根据车辆起止时刻和每个作业动作的起止时刻、作业类型确定机械台班中车辆的作业对象和作业类型;根据车辆的作业类型、车辆轨迹计量机械台班中车辆的机耗量数据。本申请能够自动、准确获取机械台班在各项作业中的实际消耗量。
-
公开(公告)号:CN115018906A
公开(公告)日:2022-09-06
申请号:CN202210431220.4
申请日:2022-04-22
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
IPC分类号: G06T7/70 , G06V20/40 , G06V10/50 , G06V10/56 , G06V10/80 , G06V10/82 , G06V10/771 , G06N3/04
摘要: 本发明公开了一种基于组特征选择与判别相关滤波联合的电网变电检修作业人员跟踪方法,包括以下步骤:S1:获取电网变电检修作业人员的作业视频图像,将特征融合,构成多通道特征矩阵;S2:根据当前帧的多通道特征矩阵及相应的响应图估计当前帧的判别相关滤波器;S3:根据当前帧的判别相关滤波器估计值与上一帧的判别相关滤波器更新当前帧的判别相关滤波器;S4:提取下一帧的多通道特征矩阵,并根据当前帧的判别相关滤波器计算作业人员目标定位响应图,获得电网变电检修作业人员目标位置结果;本发明实现相关空间信道特征在一个动态的低维子空间中突出和一致性显示,能够有效减轻时间滤波器的退化。
-
-
-
-
-
-
-
-