-
公开(公告)号：CN115907033A
公开(公告)日：2023-04-04
申请号：CN202211534465.6
申请日：2022-12-02
申请人： 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC分类号： G06N20/00 , G06F16/215 , H02J3/00 , G06F18/27
摘要： 本发明提供一种基于机器学习算法预测每小时用电量的方法及系统，所述方法包括：获取用电量数据和天气数据，其中电量数据包括含时间、用户编号、用电量，天气数据包括当地记录时间、气温、风力、湿度；对获取到的电量数据和天气数据进行清洗处理；对清洗后的数据进行建模，得到VAR模型；根据建立的VAR模型预测未来时刻的用电量。本发明建立的VAR模型是基于ARIMA模型的改进版本，预测精度得到了提高，同时基于自身算法特点使得所需数据样本量少，相比有监督学习的机器学习算法在所需的样本量上优势明显。在样本数量不足的特定场景下，使用该算法模型相较其它机器学习模型，预测效果较为突出。
-
公开(公告)号：CN114153847A
公开(公告)日：2022-03-08
申请号：CN202111431717.8
申请日：2021-11-29
申请人： 国家电网有限公司 , 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC分类号： G06F16/22 , G06F16/242 , G06F16/215
摘要： 本发明提供一种基于业务宽表的电网运营数据大数据分析方法，包括：对业务系统和数据表进行解析，生成数据分析服务目录；根据需要从数据分析服务目录中勾选多个业务系统中的数据表；进行宽表配置；根据数据表之间的关联关系判断是否可组成宽表，若判断能关联，则生成宽表描述；为定制的宽表配置大数据应用；从数据仓库中获取业务数据组成宽表；对业务数据进行清洗；大数据分析和结果展示。本发明采用所见即所得的方式配置电力宽表的关联数据表、数据字段和关联关系，根据配置结果自动生成视图，从数据仓库中自动获取数据后，利用大数据分析工具开展大数据分析，发掘数据价值，为电网运营全业务流程监控提供决策支持。
-
公开(公告)号：CN106934538A
公开(公告)日：2017-07-07
申请号：CN201710123679.7
申请日：2017-03-03
申请人： 国网湖北省电力公司 , 湖北华中电力科技开发有限责任公司 , 国家电网公司
摘要： 本发明提供一种基于数据血缘和基因比对的电网数据融合方法，属于电网运营监测管理领域。该方法通过构建各部门业务系统数据之间的血缘关系，根据数据血缘关系把不同部门的业务单元进行基因对比和关联，有效解决多个电网多个业务系统数据之间的关联关系缺乏统一规划和管理、业务数据颗粒维度不统一、数据治理困难、数据融合困难的实际问题。
-
公开(公告)号：CN117236485A
公开(公告)日：2023-12-15
申请号：CN202311026867.X
申请日：2023-08-15
申请人： 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC分类号： G06Q10/04 , H02J3/00 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/045
摘要： 本发明提供一种基于CNN‑BILSTM算法减小预测电网供电量误差的方法，包括：获取数据、数据清洗、构建特征、构建算法、改进模型(优化数据集)、模型验证；本发明在卷积神经网络‑长短期记忆网络(CNN‑LSTM)算法的基础上对LSTM采用双向序列传播(BILSTM)，形成卷积神经网络‑双向长短期记忆网络(CNN‑BILSTM)，通过此算法来建模预测电网供电量，在不破坏原有已训练好的模型情况下通过优化数据集的方式减小模型误差，避免多次训练模型、省时省力，有效减小模型误差。
-
公开(公告)号：CN116955968B
公开(公告)日：2023-12-12
申请号：CN202311218990.1
申请日：2023-09-21
申请人： 湖北华中电力科技开发有限责任公司
IPC分类号： G06F18/20 , G06Q30/0201 , H02J3/00 , G06Q50/06 , G06Q10/0631 , G06N20/00
摘要： 本发明属于用电分析技术领域，具体公开一种基于机器学习的用户用电行为分析方法，本发明通过设定采集年度，并将一年的月份划分为季节阶段，进而在各采集年度对应各季节阶段中各采集日划分的若干采集时段进行目标用户用电量读取，同时根据读取的用电量数据进行用电量变化曲线绘制，由此解析出目标用户在各季节阶段的用电负荷模式，从而据此进行用电成本优化，实现了用户用电成本的针对性、灵活性优化，能够凸显不同季节阶段的用电习惯，使得优化方式与用户的用电习惯达到了极大的适配度，有利于提高优化效果，同时还由于最大限度避免用户用电习惯的改变，在一定程度上增强了用户的优化体验感，使得优化方式能够得到有效施展。
-
公开(公告)号：CN117236485B
公开(公告)日：2024-05-03
申请号：CN202311026867.X
申请日：2023-08-15
申请人： 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC分类号： G06Q10/04 , H02J3/00 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/045
摘要： 本发明提供一种基于CNN‑BILSTM算法减小预测电网供电量误差的方法，包括：获取数据、数据清洗、构建特征、构建算法、改进模型(优化数据集)、模型验证；本发明在卷积神经网络‑长短期记忆网络(CNN‑LSTM)算法的基础上对LSTM采用双向序列传播(BILSTM)，形成卷积神经网络‑双向长短期记忆网络(CNN‑BILSTM)，通过此算法来建模预测电网供电量，在不破坏原有已训练好的模型情况下通过优化数据集的方式减小模型误差，避免多次训练模型、省时省力，有效减小模型误差。
-
公开(公告)号：CN117474152B
公开(公告)日：2024-04-09
申请号：CN202311406860.0
申请日：2023-10-27
申请人： 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/214
摘要： 本发明提供一种基于Conv1d的多变量CNN‑GRU算法用于短期负荷的实际预测方法，包括：从数据中台获取某地区一段时间的用电相关数据，包括用电量、供电量、负载率；对获取的用电相关数据进行数据处理，数据处理包括合并数据、空缺数据处理、计算每日平均负载率以及计算每日的相关电量；对处理后的用电相关数据进行错位映射，用当前时刻的用电量与历史某时刻的各变量形成对应，形成输入数据模型；基于输入数据模型构建CNN‑GRU实际预测模型对未来一段时间的用电量进行实际预测。本发明将CNN‑GRU算法首次应用于短期负荷的实际预测，通过错位映射避免先预测自变量X再预测因变量Y，可以在提升运行速度基础上保证较低的误差。
-
公开(公告)号：CN117474152A
公开(公告)日：2024-01-30
申请号：CN202311406860.0
申请日：2023-10-27
申请人： 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/214
摘要： 本发明提供一种基于Conv1d的多变量CNN‑GRU算法用于短期负荷的实际预测方法，包括：从数据中台获取某地区一段时间的用电相关数据，包括用电量、供电量、负载率；对获取的用电相关数据进行数据处理，数据处理包括合并数据、空缺数据处理、计算每日平均负载率以及计算每日的相关电量；对处理后的用电相关数据进行错位映射，用当前时刻的用电量与历史某时刻的各变量形成对应，形成输入数据模型；基于输入数据模型构建CNN‑GRU实际预测模型对未来一段时间的用电量进行实际预测。本发明将CNN‑GRU算法首次应用于短期负荷的实际预测，通过错位映射避免先预测自变量X再预测因变量Y，可以在提升运行速度基础上保证较低的误差。
-
公开(公告)号：CN117474151A
公开(公告)日：2024-01-30
申请号：CN202311406549.6
申请日：2023-10-27
申请人： 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC分类号： G06Q10/04 , G06Q50/06 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06F18/214 , G06F18/21
摘要： 一种基于CNN‑LSTM和lightGBM动态加权融合模型用于短期负荷实际预测的方法，包括：采用CNN‑LSTM算法计算第一时间段中每天的第一平均绝对百分比误差；采用lightGBM算法计算第一时间段中每天的第二平均绝对百分比误差；根据第一平均绝对百分比误差和第二平均绝对百分比误差计算CNN‑LSTM权重和lightGBM权重，进而计算CNN‑LSTM动态权重和lightGBM动态权重；根据CNN‑LSTM算法和lightGBM算法预测的第二时间段的预测值以及第CNN‑LSTM动态权重和lightGBM动态权重得到第二时间段对应每天的最终预测值。本发明能够提高模型的预测稳定性、减小平均误差。
-
公开(公告)号：CN117034177B
公开(公告)日：2023-12-19
申请号：CN202311287415.7
申请日：2023-10-08
申请人： 湖北华中电力科技开发有限责任公司
IPC分类号： G06F18/2433 , G06F18/232 , G06Q50/06
摘要： 本发明涉及数据分析技术领域，具体涉及一种电力负荷异常数据智能监测方法，包括：获取电力系统中的历史数据与目标数据；根据历史数据与目标数据获取目标数据为异常电力负荷数据的可能性；根据目标数据为异常电力负荷数据的可能性，获取目标数据的增量窗口内目标数据的局部可达距离，同时获取目标数据的增量窗口内异常电力负荷数据；计算目标数据的增量窗口内的目标数据集内，异常电力负荷数据的异常程度；根据异常电力负荷数据的异常程度监测异常电力负荷数据。本发明利用电力系统的历史数据进行增量窗口聚类的参数自适应，可以有效及时的进行识别与监测，并且整体的鲁棒性更强，适用场景更加的广泛。(56)对比文件Seyed Hesamodin Karimian 等.I-IncLOF:Improved incremental local outlierdetection for data streams《.AISP 2012》.2012,全文.
-
-
-
-
-
-
-
-
-
搜索结果
18 条记录 (耗时 0.05 秒)
