公开(公告)号：CN115329839A

公开(公告)日：2022-11-11

申请号：CN202210804044.4

申请日：2022-07-07

Applicant: 浙江大学

Inventor： 林振智 ,  崔雪原 ,  刘晟源 ,  杨莉 ,  马愿谦 ,  王韵楚 ,  章天晗 ,  陈昌铭 ,  张智 ,  邱伟强 ,  龚贤夫 ,  孙辉 ,  彭勃 ,  李耀东

IPC: G06K9/62 ,  G06Q10/04 ,  G06Q50/06 ,  G06N5/00 ,  G06N20/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积自编码器和改进回归算法的窃电用户辨识和窃电量预测方法。本发明方法为：首先，以采集的正常用户电量数据为输入，建立卷积自编码器异常检测模型，并将重构误差较大的异常用电用户识别为窃电用户；然后，分别从窃电用户的窃电和非窃电时段的电量计量数据中提取电量统计指标并构建特征向量，将构建的特征向量作为Tradaboost算法输入，训练并生成XGBoost回归模型，对各用户的潜在窃电量进行预测。本发明可以快速、准确地学习正常用电规律，识别异常用电的窃电用户，并且对各窃电用户的潜在窃电量作预测。

公开(公告)号：CN114819395A

公开(公告)日：2022-07-29

申请号：CN202210555065.7

申请日：2022-05-19

Applicant: 浙江大学

Inventor： 林振智 ,  张昆明 ,  章天晗 ,  林之岸 ,  陈昌铭 ,  刘畅 ,  杨莉 ,  龚贤夫 ,  孙辉 ,  彭勃 ,  李耀东

IPC: G06Q10/04 ,  G06Q50/06 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于长短期记忆神经网络和支持向量回归组合模型的行业中长期负荷预测方法，本发明方法为：首先，基于皮尔逊相关系数分析行业中长期负荷影响因素与行业负荷的关联程度，提取行业中长期负荷预测的关键影响因素。其次，分别构建考虑负荷时序变化特性的长短期记忆神经网络预测模型和考虑负荷非线性特征的支持向量回归预测模型。然后，基于最优组合预测算法，构建基于长短期记忆神经网络和支持向量回归的考虑负荷综合特征的组合预测模型，对行业中长期负荷进行预测。本发明基于最优组合预测算法，综合考虑长短期记忆神经网络和支持向量回归预测模型的特征与优势，相比于单一预测方法，有效提高了行业中长期负荷预测的精度。