-
公开(公告)号:CN118798711A
公开(公告)日:2024-10-18
申请号:CN202410769847.X
申请日:2024-06-14
申请人: 国网福建省电力有限公司营销服务中心
IPC分类号: G06Q10/0639 , G06Q50/06 , G06F17/10
摘要: 本发明涉及电力数据分析技术领域,揭露一种区域用电量智能分析方法及系统,方法包括:计算数字行业的数字产业化规模与产业数字化规模,计算数字行业的数字指标数据,计算企业行业的业扩增容数量与业扩减容数量,利用业扩增容数量与业扩减容数量确定企业行业的主体活跃度指标数据;构建绿色行业与棕色行业的绿色指标数据、区域行业的协调指标数据、物流行业的物流指数指标数据及区域行业的城乡差异指标数据;对正向指标数据与负向指标数据进行指标标准化;计算区域行业在用电量指标数据下的区域用电量智能分析指数,将区域用电量智能分析指数与标准化指标数据作为区域用电量智能分析结果。本发明可提升对区域行业的用电量分析效率。
-
公开(公告)号:CN118300101B
公开(公告)日:2024-09-20
申请号:CN202410715050.1
申请日:2024-06-04
申请人: 国网福建省电力有限公司 , 国网福建省电力有限公司营销服务中心
IPC分类号: H02J3/00 , G06F18/10 , G06F18/213 , G06F18/24 , G06Q10/063 , G06Q50/06
摘要: 本发明涉及智能决策技术领域,提供了一种用电负荷预测方法、设备及存储介质,方法包括:调度用电区域对应的历史负荷数据和历史用电环境数据,计算历史负荷数据对应的数据平滑系数,对历史负荷数据进行数据平滑处理,得到平滑负荷数据;对平滑负荷数据进行累计量化处理,得到累计负荷数据;采集用电区域对应的当前用电负荷数据和当前用电环境,绘制出用电区域对应的区域负荷曲线;识别出历史用电环境数据中的环境变量,分析环境变量对用电区域的用电效应,对区域负荷曲线进行曲线优化处理,得到目标负荷曲线;制定用电区域对应的电力供应方案,利用电力供应方案执行用电区域的供电处理,得到供电结果。提高用电负荷预测的准确性。
-
公开(公告)号:CN118300101A
公开(公告)日:2024-07-05
申请号:CN202410715050.1
申请日:2024-06-04
申请人: 国网福建省电力有限公司 , 国网福建省电力有限公司营销服务中心
IPC分类号: H02J3/00 , G06F18/10 , G06F18/213 , G06F18/24 , G06Q10/063 , G06Q50/06
摘要: 本发明涉及智能决策技术领域,提供了一种用电负荷预测方法、设备及存储介质,方法包括:调度用电区域对应的历史负荷数据和历史用电环境数据,计算历史负荷数据对应的数据平滑系数,对历史负荷数据进行数据平滑处理,得到平滑负荷数据;对平滑负荷数据进行累计量化处理,得到累计负荷数据;采集用电区域对应的当前用电负荷数据和当前用电环境,绘制出用电区域对应的区域负荷曲线;识别出历史用电环境数据中的环境变量,分析环境变量对用电区域的用电效应,对区域负荷曲线进行曲线优化处理,得到目标负荷曲线;制定用电区域对应的电力供应方案,利用电力供应方案执行用电区域的供电处理,得到供电结果。提高用电负荷预测的准确性。
-
公开(公告)号:CN118365373A
公开(公告)日:2024-07-19
申请号:CN202410792131.1
申请日:2024-06-19
申请人: 国网福建省电力有限公司 , 国网福建省电力有限公司营销服务中心
IPC分类号: G06Q30/0202 , G06F18/27 , G06Q50/06
摘要: 本申请公开了一种基于业扩数据的预测方法、设备及存储介质,通过将用电数据和业扩数据根据历史数据、时间因素和天气因素进行分解,然后消除时间因素和天气因素等因素的影响后,建立根据业扩数据进行用电量预测的第一预测模型,并通过历史数据对第一预测模型的系数进行优化,根据第一直接预测模型的最终预测模型对未来的用电量进行预测。解决了传统预测方法受业扩数据影响产生的误差较大,人工神经网络等智能预测方法对数据的依赖性较强,对于数据受限的预测准确度较低,难以使用智能预测方法的问题。
-
公开(公告)号:CN118365373B
公开(公告)日:2024-09-06
申请号:CN202410792131.1
申请日:2024-06-19
申请人: 国网福建省电力有限公司 , 国网福建省电力有限公司营销服务中心
IPC分类号: G06Q30/0202 , G06F18/27 , G06Q50/06
摘要: 本申请公开了一种基于业扩数据的预测方法、设备及存储介质,通过将用电数据和业扩数据根据历史数据、时间因素和天气因素进行分解,然后消除时间因素和天气因素等因素的影响后,建立根据业扩数据进行用电量预测的第一预测模型,并通过历史数据对第一预测模型的系数进行优化,根据第一直接预测模型的最终预测模型对未来的用电量进行预测。解决了传统预测方法受业扩数据影响产生的误差较大,人工神经网络等智能预测方法对数据的依赖性较强,对于数据受限的预测准确度较低,难以使用智能预测方法的问题。
-
-
-
-