-
公开(公告)号：CN108011367B
公开(公告)日：2020-12-18
申请号：CN201711262761.4
申请日：2017-12-04
Applicant: 贵州电网有限责任公司电力科学研究院
IPC: H02J3/00
Abstract: 本发明揭露一种基于深度决策树算法的电力负荷特性挖掘方法，该方法通过采用深度决策树算法来对电力负荷特性进行深度的挖掘。首先通过现有的电力系统智能采集装置对海量电力用户负荷特征数据以及影响电力负荷变化的诸多因素数据进行采集，对所收集的电力负荷数据以及其他因素数据进行预处理，建立训练数据集，利用所建立的训练数据集对深度决策树算法进行训练，最后利用训练完成的深度决策树算法对电力用户负荷特性进行智能挖掘。另外，采用的深度决策树算法是一种较新的机器学习数据挖掘分类算法，该算法具有无需大量设置超参数、自行确定模型深度的优点，可对有效对电力负荷特性进行智能挖掘，所得结果可服务于电网企业调度、运行等多方面。
-
公开(公告)号：CN108062720A
公开(公告)日：2018-05-22
申请号：CN201711263874.6
申请日：2017-12-05
Applicant: 贵州电网有限责任公司电力科学研究院
Abstract: 本发明涉及一种基于相似日选取及随机森林算法的负荷预测方法，是通过采用相似日选取算法及随机森林算法，利用训练样本集得到负荷预测模型，从而实现对预测日的负荷预测。具体步骤是，首先计算历史日与预测日之间的相似度，对收资样本实现预处理，选取相似度较高的历史样本，从而获得相似日样本集；然后对随机森林回归模型进行训练，将预测日的特征向量输入训练好的模型中，取所有回归树输出结果的平均值作为最终的负荷预测结果，从而实现对预测日的负荷预测。
-
公开(公告)号：CN108062560A
公开(公告)日：2018-05-22
申请号：CN201711260271.0
申请日：2017-12-04
Applicant: 贵州电网有限责任公司电力科学研究院
IPC: G06K9/62
Abstract: 本申请揭露一种基于随机森林的电力用户特征识别分类方法，该方法通过采用随机森林算法来对电力用户进行特征识别分类。首先通过对负荷曲线进行分析尽可能多地提取获得特征数据，得到随机森林的学习样本和测试样本。再通过随机森林算法学习样本数据，获得最终的分类决策模型，用测试样本检验该模型的准确性以验证该模型的准确性。最后利用该模型对待分类的电力用户特征数据进行分析，获得电力用户的分类情况。另外，所采用随机森林是一种统计学理论，是一种组合分类器算法，该算法具有很高的预测准确率，对异常值和噪声具有很好的容忍度，且不容易出现过拟合，能够有效解决用户特征识别分类问题，从而满足电网对负荷的识别分类需求，为实现电网对需求侧不同负荷集群的管理奠定基础。
-
公开(公告)号：CN107248740B
公开(公告)日：2020-03-24
申请号：CN201710451780.5
申请日：2017-06-15
Applicant: 贵州电网有限责任公司电力科学研究院
IPC: H02J3/00
Abstract: 本发明公开了一种家庭用电设备负荷预测方法，它包括：收集表征家庭用电设备所处各种环境状态的环境数据；收集家庭用电设备在各种环境状态下的用电负荷数据；对收集的用电负荷数据进行数据清洗；对经过数据清洗后的用电负荷数据进行属性值编码处理；构建一个以上自编码器模型，依次初始化自编码器模型参数；依次训练每个自编码器模型；将训练后的所有自编码器模型搭建出深度堆叠自编码器模型进行初始化参数设置；对深度堆叠自编码器模型进行深度训练；利用训练好的深度堆叠自编码模型实现家庭用电设备的用电负荷预测；解决了现有技术对电力负荷预测由于电力负荷的复杂性和多变性，很难建立精准的模型对其进行预测等技术问题。
-
公开(公告)号：CN108011367A
公开(公告)日：2018-05-08
申请号：CN201711262761.4
申请日：2017-12-04
Applicant: 贵州电网有限责任公司电力科学研究院
IPC: H02J3/00
Abstract: 本发明揭露一种基于深度决策树算法的电力负荷特性挖掘方法，该方法通过采用深度决策树算法来对电力负荷特性进行深度的挖掘。首先通过现有的电力系统智能采集装置对海量电力用户负荷特征数据以及影响电力负荷变化的诸多因素数据进行采集，对所收集的电力负荷数据以及其他因素数据进行预处理，建立训练数据集，利用所建立的训练数据集对深度决策树算法进行训练，最后利用训练完成的深度决策树算法对电力用户负荷特性进行智能挖掘。另外，采用的深度决策树算法是一种较新的机器学习数据挖掘分类算法，该算法具有无需大量设置超参数、自行确定模型深度的优点，可对有效对电力负荷特性进行智能挖掘，所得结果可服务于电网企业调度、运行等多方面。
-
Patent Agency Ranking
公开(公告)号：CN107944495A
公开(公告)日：2018-04-20
申请号：CN201711260609.2
申请日：2017-12-04
Applicant: 贵州电网有限责任公司电力科学研究院
CPC classification number: G06K9/6256 , G06K9/6267 , G06Q50/06
Abstract: 本发明及到一种基于深层森林算法的家庭用电负荷分类识别方法，首先通过家庭智能采集终端对不同家庭用电负荷的特性数据进行智能化采集，其次将海量数据存储于服务器端，同时进行数据预处理，再次利用数据库的数据库建立训练数据集，并对深层森林算法模型进行训练，最后利用训练完成的深层森林算法对家庭用电负荷进行智能分类识别。本发明具有深层表征特性挖掘、可自行确定筛选层数以减少计算量的优点，可对有效对家庭负荷类别进行智能识别，所得结果可服务于电网需求侧管理、电力市场等多方面，从而有利于提高电力企业的经济效益。
-
公开(公告)号：CN106961106A
公开(公告)日：2017-07-18
申请号：CN201710310941.9
申请日：2017-05-05
Applicant: 贵州电网有限责任公司电力科学研究院
Abstract: 本发明公开了一种基于IPFC的低压配电网多端联合供电结构，它包括供电馈线一和供电馈线二，供电馈线一和供电馈线二之间连接有双电源自动切换开关ATS；供电馈线一上串联有一个耦合变压器，供电馈线二上并联有一个耦合变压器，线间潮流控制器IPFC连接在二个耦合变压器之间；线间潮流控制器IPFC与双电源自动切换开关ATS并联连接；解决了传统输电线路补偿控制在无功潮流控制上的短缺、低压并联供电的逆功率运行和电磁环流等问题。
-
公开(公告)号：CN107508381A
公开(公告)日：2017-12-22
申请号：CN201710876306.7
申请日：2017-09-25
Applicant: 贵州电网有限责任公司电力科学研究院
Inventor： 徐长宝 , 肖小兵 , 林呈辉 , 徐懿 , 张历 , 辛明勇 , 王宇 , 高吉普 , 刘斌 , 吕黔苏 , 方勇 , 刘元俊 , 孔祥伦 , 龙安州 , 秦健 , 范强 , 古庭赟 , 汪明媚 , 孟令雯 , 牛唯 , 龙秋风 , 王冕 , 张保健 , 温彦军 , 王永生 , 吴捷
CPC classification number: H02J13/0006 , G01R31/362 , H02H3/087 , H02J9/04
Abstract: 本发明公开了一种用于有源配电网智能终端电池隔离监测装置，它包括自激励同步信号电路和同步信号输出电路，其特征在于：信号输入保护电路与推挽式电路导线连接，推挽式电路与信号输出保护电路导向连接，信号输出保护电路与AD模块导向连接，自激励同步信号电路和同步信号输出电路与推挽式电路导线连接；解决了现有技术对有源配电网智能终端的蓄电池进行状态监测存在的精度低、成本高、快瞬抗干扰和浪涌抗干扰差等技术问题。
-
公开(公告)号：CN107359520A
公开(公告)日：2017-11-17
申请号：CN201710678523.5
申请日：2017-08-10
Applicant: 贵州电网有限责任公司电力科学研究院 , 贵州电网有限责任公司
Inventor： 文忠进 , 肖小兵 , 文蕾 , 岑正军 , 林呈辉 , 徐长宝 , 吕黔苏 , 龙安州 , 张历 , 辛明勇 , 何肖蒙 , 王宇 , 高吉普 , 刘斌 , 汪明媚 , 孟令雯 , 古庭赟 , 牛唯 , 秦健 , 王冕 , 范强 , 龙秋风
Abstract: 本发明公开了一种配电站馈线终端安全防护箱结构，它包括箱体（1）、箱门（2）和安装挂壁（11），箱体（1）和箱门（2）通过铰链（3）连接；其特征在于：箱门（2）的底部靠近箱体（1）处安装有行程开关（4），箱体（1）内部顶端安装有照明灯（5）；行程开关（4）的常闭触点与照明灯（5）的电源线串联连接;本发明解决了现有技术的馈线终端（FTU）安装在户外，在昏暗条件设备进行维护和维修时需要外部光源照明十分不便；馈线终端（FTU）在设备移动时很容易对内部电子元件造成损伤以及加密装置和无线通信装置分开设置，功率较大，占用空间较多等技术问题。
-
公开(公告)号：CN107248740A
公开(公告)日：2017-10-13
申请号：CN201710451780.5
申请日：2017-06-15
Applicant: 贵州电网有限责任公司电力科学研究院
IPC: H02J3/00
Abstract: 本发明公开了一种家庭用电设备负荷预测方法，它包括：收集表征家庭用电设备所处各种环境状态的环境数据；收集家庭用电设备在各种环境状态下的用电负荷数据；对收集的用电负荷数据进行数据清洗；对经过数据清洗后的用电负荷数据进行属性值编码处理；构建一个以上自编码器模型，依次初始化自编码器模型参数；依次训练每个自编码器模型；将训练后的所有自编码器模型搭建出深度堆叠自编码器模型进行初始化参数设置；对深度堆叠自编码器模型进行深度训练；利用训练好的深度堆叠自编码模型实现家庭用电设备的用电负荷预测；解决了现有技术对电力负荷预测由于电力负荷的复杂性和多变性，很难建立精准的模型对其进行预测等技术问题。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.043 seconds)
