-
公开(公告)号：CN113657687B
公开(公告)日：2023-09-29
申请号：CN202111007838.X
申请日：2021-08-30
Applicant: 国家电网有限公司 , 国网重庆市电力公司信息通信分公司
IPC: G06Q10/04 , G06Q50/06 , G06F18/214 , G06F18/2413 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于特征工程和多路深度学习的电力负荷预测方法，包括步骤：S1.采集电力负荷数据以及气温数据；S2.依据目标特征对电力负荷数据以及气温数据进行处理，生成数据集；S3.对数据集进行切分得到N个数据子集；S4.将N个数据子集分别输入到N个径向基函数网络，进行训练，得到N个训练后的径向基函数网络；S5.采集测试数据；S6.从N个已训练的径向基函数网络中选取K个径向基函数网络，并将测试数据分别输入到K个径向基函数网络，输出K个电力负荷预测结果，将K个电力负荷预测结果的求和平均值作为最终的电力负荷预测结果。本发明能够减少神经网络中隐含层神经元的数量，学习效率高，泛化能力强，预测效果好。
-
公开(公告)号：CN115577841A
公开(公告)日：2023-01-06
申请号：CN202211258061.9
申请日：2022-10-13
Applicant: 国网重庆市电力公司信息通信分公司 , 国家电网有限公司
Abstract: 本发明提供的一种基于集成学习的用电数据和非电用能关联预测方法，包括以下步骤：S1.采集用户的历史的用电数据和非电用能数据，并对用电数据和非电用能数据进行清洗；S2.对用电数据和非电用能数据进行归一化处理；S3.对基于归一化处理后的用电数据和非电用能数据确定出用电数据和非电用能数据的相关性，并筛选出相关性大于设定阈值的用电数据和非电用能数据；S4.将筛选出的用电数据和非用电数据输入至随机森林算法模块、GBDT算法模块以及Elastic Net算法模块中进行训练，三个算法模块分别输出三个非电用能预测结果；S5.判断三个非电用能预测结果与步骤S3筛选出的非电用能数据之间的误差指标是否在设定阈值范围内，则返回步骤S3；如是，则进入步骤S6；S6.从步骤S2中经过归一化处理后的用电数据中筛选出m个样本输入至随机森林算法模块、GBDT算法模块以及Elastic Net算法模块中进行处理，得到中间预测结果，然后将中间预测结果输入至线性回归算法模块中进行处理，得到最终的非电用能预测结果。
-
公开(公告)号：CN113657687A
公开(公告)日：2021-11-16
申请号：CN202111007838.X
申请日：2021-08-30
Applicant: 国家电网有限公司 , 国网重庆市电力公司信息通信分公司
Abstract: 本发明公开了一种基于特征工程和多路深度学习的电力负荷预测方法，包括步骤：S1.采集电力负荷数据以及气温数据；S2.依据目标特征对电力负荷数据以及气温数据进行处理，生成数据集；S3.对数据集进行切分得到N个数据子集；S4.将N个数据子集分别输入到N个径向基函数网络，进行训练，得到N个训练后的径向基函数网络；S5.采集测试数据；S6.从N个已训练的径向基函数网络中选取K个径向基函数网络，并将测试数据分别输入到K个径向基函数网络，输出K个电力负荷预测结果，将K个电力负荷预测结果的求和平均值作为最终的电力负荷预测结果。本发明能够减少神经网络中隐含层神经元的数量，学习效率高，泛化能力强，预测效果好。
-
公开(公告)号：CN117376141A
公开(公告)日：2024-01-09
申请号：CN202311349572.6
申请日：2023-10-18
IPC: H04L41/0894
Abstract: 本发明提出了一种基于李雅普诺夫优化的DQN算法的任务调度分配方法，包括以下步骤：S1，获取移动车辆以及搭载应用的运行状态，所述移动车辆的运行状态包括车辆的运行速度和位置；S2，获取移动车辆以及搭载任务的上传时延；S3，将运行状态和上传时延采用基于李雅普诺夫优化的DQN算法进行计算，得到任务调度的分配方法；本发明充分考虑边缘环境下个车载应用在系统延迟和运营成本达到最佳平衡的用户需求。
-
-
-
Search Results
4
records
(took 0.061 seconds)
