-
公开(公告)号：CN118899829A
公开(公告)日：2024-11-05
申请号：CN202410936221.3
申请日：2024-07-12
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： H02J3/00 , G06N3/0464 , G06N3/0442 , G06N3/042 , G06N3/08 , G06F17/18 , G06F18/25 , G06Q10/04 , G06Q50/06 , G06F18/214 , G06F18/24
摘要： 本发明提供一种利用GAT‑LSTM&STGCN‑MLP双时空图模型进行电网负载率预测的方法，包括：从数据中台和气象网站获取目标区域负载数据和天气数据；对获取目标区域的负载数据和天气数据进行数据清洗，所述负载数据包括日期、目标区域下乡镇的负载率，天气数据包括日期、目标区域气温；对进行数据清洗后的数据进行特征工程处理，得到若干维度数据；基于GAT‑LSTM时空图算法网络和STGCN‑MLP时空图算法网络构建双时空图多目标算法模型；将所得若干维度数据输入所述建双时空图多目标算法模型进行预测，得到目标区域下属乡镇的负载率预测结果。本发明在各种复杂多变的节日情况下仍能保持稳定预测，增强了模型稳定性。
-
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：CN118899830A
公开(公告)日：2024-11-05
申请号：CN202410936481.0
申请日：2024-07-12
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： H02J3/00 , G06N3/0464 , G06N3/0442 , G06N3/042 , G06N3/08 , G06F18/214 , G06F18/24 , G06Q10/04 , G06Q50/06 , G06F17/18
摘要： 一种利用多目标时空图卷积神经网络GCN‑BILSTM模型进行短期负载率实际预测的方法，包括：从数据中台和气象网站获得目标区域的负载数据和天气数据；对获得的负载数据和天气数据进行数据清洗；对数据清洗后的数据进行特征工程处理，包括：对原有的气温拆分成最高温、最低温，并对最高温、最低温分别进行增加预设数值的变换，以使得最低温大于等于0；将目标区域下属乡镇的负载率、最高温、最低温进行0‑1标准化，得到若干维度数据；构建GCN‑BILSTM模型，将若干维度数据输入GCN‑BILSTM模型输出预测结果。本发明在预测过程中增加对空间节点之间的“联动性”，相较于Multi‑BILSTM算法mape误差更低。
-
公开(公告)号：CN118798254A
公开(公告)日：2024-10-18
申请号：CN202411281531.2
申请日：2024-09-13
申请人： 湖北华中电力科技开发有限责任公司
IPC分类号： G06N3/044 , G06N3/045 , G06N3/0464 , G06N3/084
摘要： 本申请涉及神经网络技术领域，尤其涉及一种分布式建模方法及系统，方法包括：将神经网络模型拆分为多个子模型；将训练样本输入神经网络模型，在各子模型间进行前向传播，得到输出结果，计算训练样本标签数据间的预设损失，对各子模型进行反向传播，得到各子模型的第一参数和第二参数，第一参数对应的冻结系数为1，第二参数对应的冻结系数为0；获取各冻结策略的参数组合；在测试样本中获取各参数组合的性能评分，将性能评分最大值的参数组合作为本次迭代的神经网络模型；执行多次迭代，直至迭代次数大于预设次数时停止。通过本申请的技术方案能够提高神经网络的训练精度和训练效率。
-
公开(公告)号：CN118735721A
公开(公告)日：2024-10-01
申请号：CN202410712732.7
申请日：2024-06-04
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： G06Q50/06 , H02J3/00 , G06Q10/04 , G06F18/10 , G06N3/045 , G06N3/0464 , G06N3/0442
摘要： 一种利用GAT‑BILSTM&CNN‑LSTM模型提高多目标误差均衡度的方法，包括：获取目标区域的负载数据和气温数据；对负载数据和气温数据进行数据清洗；对数据清洗后的数据进行特征工程处理得到历史数据；设置GAT‑BILSTM算法网络和设置CNN‑LSTM算法网络；模型组合：使用GAT‑BILSTM对历史数据进行训练，算出目标区域负载率预测变量的每个预测误差，再算出平均误差，其次将超出平均误差的负载率预测变量与CNN‑LSTM的结果进行组合，组合的方式是采用误差倒数法进行加权，剩下的负载率预测变量则保持不变输出结果。本发明可解决多目标预测模型中各个目标预测误差的相差过大的问题，同时尽可能减小整体误差。
-
公开(公告)号：CN118536009A
公开(公告)日：2024-08-23
申请号：CN202410996320.0
申请日：2024-07-24
申请人： 湖北华中电力科技开发有限责任公司
IPC分类号： G06F18/243 , G06F18/2321 , G06F18/22 , G06F18/2433 , G06F18/241
摘要： 本发明涉及人工智能技术领域，更具体地，本发明涉及基于生成式人工智能的电力数据模型构建方法及系统。其中方法包括：采集电力负荷数据；确定各时段每个数据点的异常概率，并且进行聚类，得到多个的聚类簇；根据聚类簇中的数据点的异常概率判断聚类簇是否为异常聚类簇；计算合适程度系数；通过合适程度系数的最小值确定目标输入长度；通过电力数据处理模型对所述电力负荷数据进行处理，以将异常数据替换。本发明通过数据的本身的波动程度和通过异常算法识别到的异常数据的长度得到最适合模型所处理的数据的输入数据长度，使模型对输入数据进行补全（即把异常数据替换为生成数据），得到的输出数据更准确。
-
公开(公告)号：CN118520428B
公开(公告)日：2024-10-18
申请号：CN202410977249.1
申请日：2024-07-22
申请人： 湖北华中电力科技开发有限责任公司
IPC分类号： G06F18/27 , G06F18/214 , G06F18/10 , G06Q50/06 , H02J3/00
摘要： 本发明涉及电力负荷预测领域，更具体地，本发明涉及一种基于人工智能的电力负荷预测方法及系统，所述方法包括：对获取的历史电力负荷数据段中的负荷数据进行拟合，确定拟合曲线的极值点，然后计算历史电力负荷数据段的初始噪声程度，并对应的历史电网频率数据段的初始噪声程度，以及历史电力负荷数据段与对应的历史电网频率数据段之间的相关性对初始噪声程度进行修正，得到历史电力负荷数据段的最终噪声程度，以利用每个历史电力负荷数据段的最终噪声程度对由对应的历史电力负荷数据段确定的预测值进行加权，得到最终预测值。本发明可以降低噪声数据对预测结果的影响，提高了对电力负荷量预测的准确性。
-
公开(公告)号：CN118536009B
公开(公告)日：2024-10-11
申请号：CN202410996320.0
申请日：2024-07-24
申请人： 湖北华中电力科技开发有限责任公司
IPC分类号： G06F18/243 , G06F18/2321 , G06F18/22 , G06F18/2433 , G06F18/241
摘要： 本发明涉及人工智能技术领域，更具体地，本发明涉及基于生成式人工智能的电力数据模型构建方法及系统。其中方法包括：采集电力负荷数据；确定各时段每个数据点的异常概率，并且进行聚类，得到多个的聚类簇；根据聚类簇中的数据点的异常概率判断聚类簇是否为异常聚类簇；计算合适程度系数；通过合适程度系数的最小值确定目标输入长度；通过电力数据处理模型对所述电力负荷数据进行处理，以将异常数据替换。本发明通过数据的本身的波动程度和通过异常算法识别到的异常数据的长度得到最适合模型所处理的数据的输入数据长度，使模型对输入数据进行补全（即把异常数据替换为生成数据），得到的输出数据更准确。
-
公开(公告)号：CN118520428A
公开(公告)日：2024-08-20
申请号：CN202410977249.1
申请日：2024-07-22
申请人： 湖北华中电力科技开发有限责任公司
IPC分类号： G06F18/27 , G06F18/214 , G06F18/10 , G06Q50/06 , H02J3/00
摘要： 本发明涉及电力负荷预测领域，更具体地，本发明涉及一种基于人工智能的电力负荷预测方法及系统，所述方法包括：对获取的历史电力负荷数据段中的负荷数据进行拟合，确定拟合曲线的极值点，然后计算历史电力负荷数据段的初始噪声程度，并对应的历史电网频率数据段的初始噪声程度，以及历史电力负荷数据段与对应的历史电网频率数据段之间的相关性对初始噪声程度进行修正，得到历史电力负荷数据段的最终噪声程度，以利用每个历史电力负荷数据段的最终噪声程度对由对应的历史电力负荷数据段确定的预测值进行加权，得到最终预测值。本发明可以降低噪声数据对预测结果的影响，提高了对电力负荷量预测的准确性。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.052 秒)
