电力自动化系统流量异常智能分析系统

    公开(公告)号:CN102122374A

    公开(公告)日:2011-07-13

    申请号:CN201110051268.4

    申请日:2011-03-03

    IPC分类号: G06Q10/00 G06Q50/00

    摘要: 本发明公开了一种电力自动化系统网络流量异常智能分析系统,其特征在于:包括预警规则与策略:根据异常分类,预置规则参数,形成针对自动化系统流量特征的预警策略;实时监测分析:基于自动化系统业务流量数据,应用系统关联的预警策略实现业务流量异常的实时监测、预警;FRR分析推理引擎:以流量数据、预警规则、异常类型为依据,智能分析推导异常的解决方案;云推理架构:应用多地部署系统资源,联合推理异常情况解决方案,提供更精确的解决方案;业务健康度分析:根据自动化系统各组成部分的流量状态,分析计算自动化系统业务健康度。本发明用于快速分析故障问题,提供可行的解决方案,提高运维人员工作效率,保证网络及系统的正常运行。

    一种基于端到端记忆网络的短期风电功率预测方法

    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

    IPC分类号: G06Q10/04 G06Q50/06 G06N3/04

    摘要: 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。