-
公开(公告)号：CN112600204B
公开(公告)日：2023-06-13
申请号：CN202011519020.1
申请日：2020-12-21
Applicant: 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 南京邮电大学 , 国家电网有限公司
Abstract: 本发明公开了一种商业综合体空调设备用电负荷预测方法，包括对商业综合体用电负荷进行功能区划分；采集各功能区的用电信息系统数据以及商业综合体数据；对各功能区原始负荷序列进行分解，将原始负荷序列分解为有限个不同特征的分量；针对各特征分量分别建立预测模型预测用电负荷，本发明纳入了高层商业综合体空调设备用电特性，相对传统方法的预测精度有了进一步提高，同时提高了计算效率。
-
公开(公告)号：CN112600204A
公开(公告)日：2021-04-02
申请号：CN202011519020.1
申请日：2020-12-21
Applicant: 江苏方天电力技术有限公司 , 国网江苏省电力有限公司 , 南京邮电大学 , 国家电网有限公司
Abstract: 本发明公开了一种商业综合体空调设备用电负荷预测方法，包括对商业综合体用电负荷进行功能区划分；采集各功能区的用电信息系统数据以及商业综合体数据；对各功能区原始负荷序列进行分解，将原始负荷序列分解为有限个不同特征的分量；针对各特征分量分别建立预测模型预测用电负荷，本发明纳入了高层商业综合体空调设备用电特性，相对传统方法的预测精度有了进一步提高，同时提高了计算效率。
-
公开(公告)号：CN115829122A
公开(公告)日：2023-03-21
申请号：CN202211517383.0
申请日：2022-11-30
Applicant: 国网江苏省电力有限公司 , 国网江苏省电力有限公司信息通信分公司 , 国网江苏省电力有限公司双创中心 , 江苏方天电力技术有限公司
IPC: G06Q10/04 , G06Q10/0635 , G06Q50/06 , G06F16/35 , G06F18/24 , G06F18/214
Abstract: 本发明公开了投诉预警领域的一种电力客服工单投诉预警方法及系统，包括：采集新增电力客服工单数据，将实时电力客服工单数据分别输入至预训练的标签分类模型和文本分类模型；使用标签分类模型预测新增电力客服工单的是否存在投诉风险；使用文本分类模型预测新增电力客服工单的是否存在投诉风险；结合所述标签分类模型的预测结果和文本分类模型的预测结果判断新增电力客服工单数据的投诉风险；根据新增电力客服工单数据的投诉风险进行预警；本发明选择结构化的用户信息标签以及非结构化的诉求内容信息进行预测模型训练，标签分类模型和文本分类模型分别进行预测后再综合预测结果进行投诉风险判断，提高了预警的准确性。
-
公开(公告)号：CN118659366A
公开(公告)日：2024-09-17
申请号：CN202411010334.7
申请日：2024-07-26
Applicant: 国网江苏省电力有限公司信息通信分公司 , 江苏方天电力技术有限公司
IPC: H02J3/00 , G06F18/214 , G06N3/006 , G06N3/0442 , G06N3/049 , G06N3/084 , G06Q50/06
Abstract: 本发明公开了一种负荷预测方法及系统，属于负荷预测技术领域。本发明通过在滑动窗口动态取值的基础上结合图像特征提取模块进行特征处理，对现有LSTM模型的结构进行改进且利用Bagging算法训练现有的XGBoost模型，可以加快收敛速度，缓解梯度消失问题；利用IPSO算法更新BILSTM模型和XGBoost模型的权重参数和偏置参数，且IPSO算法在现有的PSO算法的扰动函数中加入基于遗传算法的变异操作，能够在不同的迭代阶段有更好的表现性能，可以进一步提高收敛速度和预测精度。
-
公开(公告)号：CN116245212A
公开(公告)日：2023-06-09
申请号：CN202211560224.9
申请日：2022-12-06
Applicant: 江苏方天电力技术有限公司
IPC: G06Q10/04 , G06Q50/06 , G06F18/2433 , G06F18/2135 , G06F18/10 , G06N3/0442 , G06F123/02
Abstract: 本发明提供一种基于PCA‑LSTM的电力数据异常检测与预测方法及系统，该方法通过获得原始用电采集数据，进行数据排序，得到时间序列的电力数据；进行预处理，获得预处理后的电力数据；采用主成分分析法PCA进行降维，获得降维后的数据，并分为训练集和测试集；构建长短期记忆神经网络预测模型LSTM，对长短期记忆神经网络预测模型LSTM进行优化后，获得最终的长短期记忆神经网络预测模型LSTM；通过得到的最终的长短期记忆神经网络预测模型LSTM进行预测；本发明能够高精度高效率实现电力数据时间序列的数据预测，能够有效去除冗余数据，降低计算复杂度，提升数据处理速度，并有效降低预测误差。
-
Patent Agency Ranking
公开(公告)号：CN111160620B
公开(公告)日：2022-06-17
申请号：CN201911247976.8
申请日：2019-12-06
Applicant: 江苏方天电力技术有限公司 , 东南大学
Abstract: 本发明公开了一种基于端到端记忆网络的短期风电功率预测方法，包括如下步骤：采集风电场数据；将采集的风电场数据划分为历史数据、被预测多节点天气数据和功率数据，并对历史数据和被预测多节点天气数据进行归一化处理；利用多头自注意力机制模型对历史数据进行编码，将编码后的特征向量存入端到端记忆网络的记忆池；采用注意力机制对被预测多节点天气数据进行编码，并将编码结果作为端到端记忆网络的输入向量；将功率数据作为端到端记忆网络的输出向量进行端到端记忆网络的训练；使用训练好的端到端记忆网络对风机输出功率进行预测。本发明方法相比以往短期风电功率预测方法，能够关注到历史数据中隐含的信息，具有更高的预测精度和稳定性。
-
公开(公告)号：CN111080081B
公开(公告)日：2022-06-10
申请号：CN201911170004.3
申请日：2019-11-26
Applicant: 江苏方天电力技术有限公司
Abstract: 本发明公开了一种电力在线客服接待分配方法，包括采集客服变量集合以及各变量集合的客户评分，构建样本数据集；计算样本数据中各元素出现的概率；根据样本数据中各元素出现的概率，计算客户评分下变量集合中各变量出现的概率；根据样本数据中各元素出现的概率和客户评分下变量集合中各变量出现的概率，根据贝叶斯定理计算变量集合下客户评分出现的概率；根据变量集合下客户评分出现的概率，计算各变量集合的评分；基于变量集合评分的排序，进行接待分配。同时公开了相应的接待分配系统和在线客服系统。本发明的方法基于客户评分计算客服变量集合评分，基于变量集合评分的排序，进行接待分配，减少了主观人为因素，相较于传统的方法更加合理。
-
公开(公告)号：CN113837720A
公开(公告)日：2021-12-24
申请号：CN202111086933.3
申请日：2021-09-16
Applicant: 江苏方天电力技术有限公司
Abstract: 本发明公开一种电力营销档案变更电能表的异常恢复方法及系统，获取当前版本电力营销档案和上一版本电力营销档案，将当前版本电力营销档案和上一版本电力营销档案的数据的电表标识进行关联对比，获取当前版本电力营销档案已经删除的电能表档案信息；将已经删除的电能表档案信息与计量异常记录表进行关联，获取已经删除的电能表存在的未恢复异常记录，并获取未恢复异常记录；将未恢复异常记录与研判方法和计算基础单元进行关联，获取异常研判计算模型信息；根据异常研判计算模型的计算类型选择对应的异常恢复类型，对电能表的未恢复异常记录执行不同类型的恢复。
-
公开(公告)号：CN114969087A
公开(公告)日：2022-08-30
申请号：CN202210405166.6
申请日：2022-04-18
Applicant: 江苏方天电力技术有限公司 , 东南大学
IPC: G06F16/242 , G06F16/2458 , G06F8/30
Abstract: 本发明公开了一种基于多视角特征解耦的NL2SQL方法及装置，所述方法具体包括以下步骤：(1)NL2SQL知识库构建步骤；(2)NL2SQL数据集构建步骤；(3)NL2SQL模型构建步骤，用于分别构建SQL查询语句SELECT部分、WHERE部分以及SQL整体的语义编码模型；为了有效捕捉SELECT以及WHERE各个部分的语义特征，构建多视角特征解耦的方法；(4)NL2SQL模型训练步骤，用于构建损失函数，构建优化函数。本发明的方法真实的NL2SQL数据集上取得了显著效果，在自动问答系统领域有很大的应用前景。
-
公开(公告)号：CN114942937A
公开(公告)日：2022-08-26
申请号：CN202210403424.7
申请日：2022-04-18
Applicant: 江苏方天电力技术有限公司 , 东南大学
IPC: G06F16/242 , G06F16/2458 , G06F8/30
Abstract: 本发明公开了基于限制性约束的带噪NL2SQL方法和装置，包括以下步骤：(1)NL2SQL知识库构建步骤，构造由查询问题、SQL查询语句以及表结构一一对应的数据条目，初步构建知识库；(2)带噪NL2SQL数据集构建步骤，用于根据NL2SQL知识库划分训练集、验证集以及测试集，人工引入噪声标签，构建带噪NL2SQL数据集；(3)带噪NL2SQL模型构建步骤，用于分别构建带噪子任务编码模型、无噪子任务编码模型；为了消除带噪子任务对其他任务的影响，构建限定性约束的方法缓解噪声对模型的影响；(4)带噪NL2SQL模型训练步骤，用于构建损失函数，构建优化函数。本发明的模型和最近一些先进的方法进行了比较，实验结果显示本发明的方法较之有了很大的提升。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.067 seconds)
