-
公开(公告)号：CN114118595B
公开(公告)日：2024-08-13
申请号：CN202111444887.X
申请日：2021-11-30
申请人： 深圳市国电科技通信有限公司 , 深圳智芯微电子科技有限公司 , 国网信息通信产业集团有限公司
摘要： 本发明公开了一种用电负荷预测的方法、系统、存储介质及电子设备，方法包括：根据电力网络拓扑关系，构建电力网络图谱。对每个用电负荷单位根据其历史用电负荷数据，进行预处理，计算得到其用电负荷的第一特征、第二特征和第三特征。对每个用电负荷单位，综合使用用电负荷第一特征、第二特征和第三特征作为模型训练和预测输入，并使用时间序列模型进行训练，从而得每个用电负荷单位各自对应的用电负荷预测模型。加载每个用电负荷单位相对应的用电负荷预测模型，对未来的用电负荷进行预测。借此，本发明的用电负荷预测的方法，可以准确对用电负荷单位的未来进行负荷预测，极大的提高了预测结果评估指标，以及负荷预测的鲁棒性。
-
公开(公告)号：CN114124157A
公开(公告)日：2022-03-01
申请号：CN202111391016.6
申请日：2021-11-23
申请人： 深圳市国电科技通信有限公司 , 深圳智芯微电子科技有限公司 , 国网信息通信产业集团有限公司
IPC分类号： H04B3/46 , H04B3/54 , H04L41/12 , H04L43/0852
摘要： 本发明公开了抗电器干扰的电力线传输时延测量方法、装置及存储介质，属于时延测量领域，该方法，包括以下步骤：S1：改变接收端的电阻的阻值，得到n组不同的输入端电压电流比，选定初始值并设定精度要求；S2：根据初始值计算对时延估计的均方误差矩阵，判断所述均方误差矩阵的模是否小于设定的精度，如果小于所述精度，则得到最优解并进行步骤S4，否则，则进行步骤S3；S3：根据该均方误差矩阵确定线性搜索方向，对初始值进行更新，并使用更新的初始值重复步骤S2；S4：根据最优解中提取的参数，得到输出时延值。本发明其能够在不影响电网工作的前提下，实现抗用电器干扰的、高精度、小体积、低成本在线端到端传输时延测量。
-
公开(公告)号：CN114124157B
公开(公告)日：2023-01-17
申请号：CN202111391016.6
申请日：2021-11-23
申请人： 深圳市国电科技通信有限公司 , 深圳智芯微电子科技有限公司 , 国网信息通信产业集团有限公司
IPC分类号： H04B3/46 , H04B3/54 , H04L41/12 , H04L43/0852
摘要： 本发明公开了抗电器干扰的电力线传输时延测量方法、装置及存储介质，属于时延测量领域，该方法，包括以下步骤：S1：改变接收端的电阻的阻值，得到n组不同的输入端电压电流比，选定初始值并设定精度要求；S2：根据初始值计算对时延估计的均方误差矩阵，判断所述均方误差矩阵的模是否小于设定的精度，如果小于所述精度，则得到最优解并进行步骤S4，否则，则进行步骤S3；S3：根据该均方误差矩阵确定线性搜索方向，对初始值进行更新，并使用更新的初始值重复步骤S2；S4：根据最优解中提取的参数，得到输出时延值。本发明其能够在不影响电网工作的前提下，实现抗用电器干扰的、高精度、小体积、低成本在线端到端传输时延测量。
-
公开(公告)号：CN114118595A
公开(公告)日：2022-03-01
申请号：CN202111444887.X
申请日：2021-11-30
申请人： 深圳市国电科技通信有限公司 , 深圳智芯微电子科技有限公司 , 国网信息通信产业集团有限公司
摘要： 本发明公开了一种用电负荷预测的方法、系统、存储介质及电子设备，方法包括：根据电力网络拓扑关系，构建电力网络图谱。对每个用电负荷单位根据其历史用电负荷数据，进行预处理，计算得到其用电负荷的第一特征、第二特征和第三特征。对每个用电负荷单位，综合使用用电负荷第一特征、第二特征和第三特征作为模型训练和预测输入，并使用时间序列模型进行训练，从而得每个用电负荷单位各自对应的用电负荷预测模型。加载每个用电负荷单位相对应的用电负荷预测模型，对未来的用电负荷进行预测。借此，本发明的用电负荷预测的方法，可以准确对用电负荷单位的未来进行负荷预测，极大的提高了预测结果评估指标，以及负荷预测的鲁棒性。
-
公开(公告)号：CN114118591A
公开(公告)日：2022-03-01
申请号：CN202111441689.8
申请日：2021-11-30
申请人： 深圳市国电科技通信有限公司 , 深圳智芯微电子科技有限公司 , 国网信息通信产业集团有限公司
摘要： 本发明公开了一种基于在线学习的台区用电负荷区间预测方法及系统。基于在线学习的台区用电负荷区间预测方法包括：步骤S1，在离线环境下，获取台区用电负荷区间预测相关的最近历史数据作为模型的输入。步骤S2，使用时间序列神经网络双层LSTM，并结合负荷区间预测损失函数，对输入模型的最近历史数据进行训练，得到负荷区间预测模型。步骤S3，加载负荷区间预测模型。步骤S4，当某天x结束时，智能电表采集到当天的用电负荷数据。借此，本发明的基于在线学习的台区用电负荷区间预测方法，可以让用电负荷实际值落在区间范围内，还可以让预测区间间隔尽可能的小，满足台区负荷区间预测的真实需求，且提高了模型预测的准确率。
-
公开(公告)号：CN216490550U
公开(公告)日：2022-05-10
申请号：CN202122830914.9
申请日：2021-11-18
申请人： 深圳市国电科技通信有限公司 , 深圳智芯微电子科技有限公司 , 国网信息通信产业集团有限公司
IPC分类号： H04L43/0852
摘要： 本实用新型公开了一种用于低压配电网的传输时延测量装置，涉及时延测量的技术领域，其包括微处理器、可编程器件、电力线载波通信模块、扩频信号发射模块、耦合电路、接收电阻切换及电压测量模块、扩频信号接收模块和发射电流、电压测量模块；所述微处理器与所述电力线载波通信模块和所述可编程器件相连接；所述可编程器件连接至所述扩频信号发射模块的输入端；所述扩频信号发射模块的输出端连接至所述发射电流、电压测量模块；所述发射电流、电压测量模块连接至所述耦合电路的一个端口；所述耦合电路的一个端口连接至所述扩频信号接收模块的输入端和所述接收电阻切换及电压测量模块；所述扩频信号接收模块的输出端连接至所述可编程器件；所述接收电阻切换及电压测量模块连接至所述微处理器。
-
公开(公告)号：CN110912748B
公开(公告)日：2022-04-26
申请号：CN201911195844.5
申请日：2019-11-28
申请人： 深圳市国电科技通信有限公司 , 国网信息通信产业集团有限公司
IPC分类号： H04L41/12 , H04L41/14 , H04L43/0852 , H02J13/00
摘要： 本发明公开了一种基于时延测量的低压台站电力供电网络的物理拓扑发现方法，包括以下步骤：步骤一，获取测量数据；步骤二，处理测量信息；步骤三，节点聚类成簇，即使用聚类算法，按照时延对节点进行聚类，形成簇；步骤四，拟合方程求解，即对聚类之后的簇添加虚拟节点，生成层析方程，从而通过解方程的方法得到簇内物理拓扑；步骤五，生成完整物理拓扑，即将步骤四)中的每个簇看作一个节点，生成层析方程，通过求解方程得到全部拓扑。本发明的目的在于克服传统电力网络拓扑发现中只有逻辑拓扑、精确度较低和适应性差等缺点，不需要在分支处增加检测模块，可以在较大规模和较复杂的电力网络环境中发现分支连接点具体位置并还原物理拓扑。
-
公开(公告)号：CN110912748A
公开(公告)日：2020-03-24
申请号：CN201911195844.5
申请日：2019-11-28
申请人： 深圳市国电科技通信有限公司 , 国网信息通信产业集团有限公司
摘要： 本发明公开了一种基于时延测量的低压台站电力供电网络的物理拓扑发现方法，包括以下步骤：步骤一，获取测量数据；步骤二，处理测量信息；步骤三，节点聚类成簇，即使用聚类算法，按照时延对节点进行聚类，形成簇；步骤四，拟合方程求解，即对聚类之后的簇添加虚拟节点，生成层析方程，从而通过解方程的方法得到簇内物理拓扑；步骤五，生成完整物理拓扑，即将步骤四)中的每个簇看作一个节点，生成层析方程，通过求解方程得到全部拓扑。本发明的目的在于克服传统电力网络拓扑发现中只有逻辑拓扑、精确度较低和适应性差等缺点，不需要在分支处增加检测模块，可以在较大规模和较复杂的电力网络环境中发现分支连接点具体位置并还原物理拓扑。
-
公开(公告)号：CN114841253A
公开(公告)日：2022-08-02
申请号：CN202210411186.4
申请日：2022-04-19
申请人： 深圳市国电科技通信有限公司 , 深圳智芯微电子科技有限公司
摘要： 本发明公开了一种窃电检测方法、装置及存储介质、电子设备，窃电检测方法包括：获取用户的用电数据，其中，用电数据包括用电参数的时间序列数据；将用电数据输入至训练好的特征表示模型，得到时间特征向量，其中，特征表示模型采用自监督学习方式训练得到；利用训练好的异常检测模型对时间特征向量进行异常检测，得到用户的窃电类别。本发明提高了窃电检测的准确率和召回率，降低了窃电检测的误检率和漏检率。
-
公开(公告)号：CN114841314A
公开(公告)日：2022-08-02
申请号：CN202210412569.3
申请日：2022-04-19
申请人： 深圳市国电科技通信有限公司 , 深圳智芯微电子科技有限公司
摘要： 本发明公开了一种InceptionTS模型的建立方法、装置及窃电检测方法、装置，InceptionTS模型的建立方法包括：获取训练数据集，其中，训练数据集中的训练数据包括窃电用户用电数据和非窃电用户用电数据；将训练数据集中的训练数据输入至InceptionTS模型，得到每一训练数据的分类向量，其中，分类向量包括窃电类别；根据分类向量及其对应训练数据的所属窃电类别构建损失函数；基于损失函数对InceptionTS模型进行训练，得到训练好的InceptionTS模型。利用该建立方法得到的训练好的InceptionTS模型，具有准确率，误报率低，且适应性强的优点。
-
-
-
-
-
-
-
-
-
搜索结果
26 条记录 (耗时 0.07 秒)
