-
公开(公告)号：CN115829119A
公开(公告)日：2023-03-21
申请号：CN202211510682.1
申请日：2022-11-29
Applicant: 国网湖北省电力有限公司营销服务中心(计量中心) , 武汉大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q30/0202 , G06Q50/08 , G06F18/23213 , G06N3/045 , G06N3/084 , G06N3/092
Abstract: 本申请涉及一种基于神经网络和强化学习的电网需求侧响应潜力评估及负荷转移方法，包括以下步骤：使用改进的k‑means聚类算法对海量的客户用电数据进行聚类生成用电行为标签，将客户数据聚类为无峰、单峰和多峰三类；搭建并训练多层感知机MLP神经网络模型，以客户96点工作日负荷数据和用电行为标签作为输入，挖掘输入数据与客户参与需求响应意愿和潜力之间的隐式映射关系；利用深度强化学习对所构建的负荷转移模型进行求解，输出最优的分时电价制定建议。本申请充分挖掘和利用客户用电数据特征，进而预测客户参与需求响应的意愿和潜力；提高电网的削峰填谷能力，缓解电力供需矛盾，保障电网稳定运行。
-
公开(公告)号：CN117117878A
公开(公告)日：2023-11-24
申请号：CN202310777311.8
申请日：2023-06-29
Applicant: 国网湖北省电力有限公司营销服务中心(计量中心) , 武汉大学
IPC: H02J3/14 , G06Q10/04 , G06Q50/06 , G06F18/23 , G06N3/04 , G06N3/084 , G06N3/092 , G06Q10/0631 , H02J3/06 , H02J3/00
Abstract: 本申请涉及一种基于人工神经网络和多智能体强化学习的电网需求侧响应潜力评估及负荷调控方法，包括以下步骤：步骤S1，使用改进的k‑means聚类算法对客户用电数据进行聚类生成用电行为标签；步骤S2，建立部分可观测的马尔可夫博弈模型；步骤S3，搭建并训练多层感知机神经网络模型；步骤S4，利用多智能体强化学习对所构建的负荷调控模型进行求解，输出最优的分时电价制定建议和调控负荷方案。本申请对传统强化学习建模方法和算法进行改进，利用多智能体强化学习“集中式训练，分布式执行(CTDE)”的核心框架辅助电网公司制定合适的分时电价策略。
-
公开(公告)号：CN116881237A
公开(公告)日：2023-10-13
申请号：CN202310793260.8
申请日：2023-06-29
Applicant: 国网湖北省电力有限公司营销服务中心(计量中心) , 武汉大学
IPC: G06F16/215 , G06F16/35 , G06F40/30 , G06Q50/06
Abstract: 本申请涉及一种基于DBSCAN算法的电网企业客户标签自动生成方法，包括以下具体步骤：获得用户数据，用户数据包括用户呼出呼入时间、通话时长、用户评价反馈、用户用电高峰时间、用户日用电量、峰值幅度；对用户数据进行词义解析，选取有实际意义且合理的词义；针对数据异常值进行数据清理，其中数据异常值是指偏移数据中心簇较远的数据；将清洗好的数据输入基于改进DBSCAN算法的电网企业客户标签生成模型生成用户标签。本申请成本低廉，只需在系统中编写好相应模型，并不需要增加其他硬件，并且模型具有良好的分类效果。
-
公开(公告)号：CN113673579B
公开(公告)日：2024-05-28
申请号：CN202110853474.0
申请日：2021-07-27
Applicant: 国网湖北省电力有限公司营销服务中心(计量中心) , 国家电网有限公司
IPC: G06F18/20 , G06F18/214 , G06F18/21 , G06F18/2411 , G06F18/2413 , G06F18/243 , G06Q50/06
Abstract: 本发明提供一种基于小样本的用电负荷分类算法，首先，提取不同非平稳变化负荷样本的特征并进行预处理，然后，通过网络训练对其进行扩充并进行评估，再者，采用K临近算法、支持向量机、决策树混合训练对简化的数据进行混合训练，最后，通过加权优化的方式调整各算法在分类结果精度上的权重并进行评估，当混合模型分类精度符合条件时即可用于实际样本测试。有如下优点：1.原始样本具有较好的代表性和普遍适用性；2.扩充扩充前后样本的一致性；3.采用混合分类器及加权的方式，可以克服单一算法的局限性。
-
公开(公告)号：CN113673579A
公开(公告)日：2021-11-19
申请号：CN202110853474.0
申请日：2021-07-27
Applicant: 国网湖北省电力有限公司营销服务中心(计量中心) , 国家电网有限公司
Abstract: 本发明提供一种基于小样本的用电负荷分类算法，首先，提取不同非平稳变化负荷样本的特征并进行预处理，然后，通过网络训练对其进行扩充并进行评估，再者，采用K临近算法、支持向量机、决策树混合训练对简化的数据进行混合训练，最后，通过加权优化的方式调整各算法在分类结果精度上的权重并进行评估，当混合模型分类精度符合条件时即可用于实际样本测试。有如下优点：1.原始样本具有较好的代表性和普遍适用性；2.扩充扩充前后样本的一致性；3.采用混合分类器及加权的方式，可以克服单一算法的局限性。
-
Patent Agency Ranking
公开(公告)号：CN113989209B
公开(公告)日：2024-08-27
申请号：CN202111228906.5
申请日：2021-10-21
Applicant: 武汉大学
IPC: G06T7/00 , G06T7/13 , G06T5/30 , G06T1/60 , G06N3/0464 , G06N3/08 , G06V10/25 , G06V10/774 , G06V10/82 , G06V10/764
Abstract: 本发明涉及计算机视觉电网应用技术，具体涉及基于Faster R‑CNN的电力线异物检测方法，包括训练模式和诊断模式；训练模式通过训练数据集中的图片，返回迭代损失，得到一个稳定可用的模型；诊断模式通过输入待测试图像，得到电力线上面是否存在风筝异物以及风筝异物位置的诊断结果。可以有效利用无人机航拍图像，提高图片的利用率；成本低廉，只需要在现有的系统中增加基于aster R‑CNN算法的电力线风筝异物检测模块，不需要增加其他硬件；训练好的模型对于不同背景环境下的电力线风筝异物都有良好的预测效果。
-
公开(公告)号：CN113204542B
公开(公告)日：2023-08-22
申请号：CN202110434285.X
申请日：2021-04-22
Applicant: 武汉大学
IPC: G06F16/215 , G06F18/214 , G06Q50/06
Abstract: 本发明提出了一种异常用电样本清洗及行为识别方法。本发明通过用电信息营销系统采集用户日采样数据，构造面向搭载HPLC智能电表的数据样本；在数据样本中根据编号的排序连续性、数据完整性的有效性、相序的次序性进行筛选过滤无效样本得到有效样本；根据有效样本中用电信息的缺值、最值和波动阈值进行筛选区分异常样本和正常样本，形成包括训练样本与验证样本的混合样本；在训练样本中确定混合条件参数，满足不等式约束条件时形成样本集合权值、集合维度权值，在验证样本中根据不等式约束条件验证样本集合权值、集合维度权值并形成分割曲线，通过待测样本中样本集合权值、集合维度权值落点位置实现正常样本、异常样本的区分。
-
公开(公告)号：CN113989209A
公开(公告)日：2022-01-28
申请号：CN202111228906.5
申请日：2021-10-21
Applicant: 武汉大学
IPC: G06T7/00 , G06T7/13 , G06T5/30 , G06T1/60 , G06N3/04 , G06N3/08 , G06K9/62 , G06V10/25 , G06V10/774 , G06V10/82
Abstract: 本发明涉及计算机视觉电网应用技术，具体涉及基于Faster R‑CNN的电力线异物检测方法，包括训练模式和诊断模式；训练模式通过训练数据集中的图片，返回迭代损失，得到一个稳定可用的模型；诊断模式通过输入待测试图像，得到电力线上面是否存在风筝异物以及风筝异物位置的诊断结果。可以有效利用无人机航拍图像，提高图片的利用率；成本低廉，只需要在现有的系统中增加基于aster R‑CNN算法的电力线风筝异物检测模块，不需要增加其他硬件；训练好的模型对于不同背景环境下的电力线风筝异物都有良好的预测效果。
-
公开(公告)号：CN107966600B
公开(公告)日：2021-03-19
申请号：CN201710919165.2
申请日：2017-09-30
Applicant: 国家电网公司 , 国网湖北省电力公司电力科学研究院 , 武汉大学
Abstract: 一种基于深度学习算法的防窃电系统及其防窃电方法，包括在线识别疑似窃电用户模块和离线训练深度学习网络模块，在线识别疑似窃电用户模块用于识别疑似窃电用户，离线训练深度学习网络模块用于确定在线识别疑似窃电用户模块中深度学习网络各个网络参数；可以有效利用现有用电信息采集系统的数据，提高数据的利用率；成本低廉，只需要在现有用电信息采集系统中增加基于深度学习的防窃电算法模块，不需要增加其它硬件；识别有嫌疑的窃电用户正确率较高。
-
公开(公告)号：CN113220449B
公开(公告)日：2023-11-14
申请号：CN202110457600.0
申请日：2021-04-27
Applicant: 武汉大学
IPC: G06F9/50 , G06Q10/0631 , G06Q50/06 , H04L67/12 , H04L67/1001
Abstract: 本发明涉及电力系统脆弱线路辨识技术，具体涉及一种基于边缘计算的脆弱线路识别方法及结构，该方法在物理网络‑边缘计算‑信息网络传输过程通过网络节点采集设备、边缘节点融合设备、边缘节点处理设备及输电线路，与网络控制中心进行交互。在物理网络中采用对设备载体拓展的方式引入边缘计算，实现不同类型设备采集数据兼容和高效传输，在信息网络中采用对信息处理进行分解的方式引入边缘计算，降低网络控制中心决策处理负荷，并通过对决策环节的分解、简化保证信息网络对物理网络的实时控制，达到提高传输速率、提升处理速度及降低工作负荷等目的。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.06 seconds)
