一种基于深度决策树算法的电力负荷特性挖掘方法

    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

    IPC分类号: H02J3/00

    摘要: 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。

    一种基于随机森林的电力用户特征识别分类方法

    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

    IPC分类号: G06K9/62

    摘要: 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。

    一种多换流器并联的交直流配电网潮流计算方法

    公开(公告)号:CN107769213A

    公开(公告)日:2018-03-06

    申请号:CN201711048541.1

    申请日:2017-10-31

    IPC分类号: H02J3/06

    CPC分类号: H02J3/06

    摘要: 本发明公开了一种多换流器并联的交直流配电网潮流计算方法,它包括:步骤1、建立多换流器采用下垂控制并联接入同一母线时,母线直流电压方程、直流母线上的总负荷功率方程及换流器有功功率方程;步骤2、虚拟主换流器更新母线直流电压,虚拟从换流器根据电压更新各自直流功率;步骤3、利用各换流器直流功率求解交流注入电流,求解节点电压方程;步骤4、判断交流潮流和直流潮流是否收敛,如果交流潮流或直流潮流不收敛则转入步骤(2)继续进行迭代计算,直至交流潮流和直流潮流同时收敛为止,同时输出结果;解决了现有技术通过单一换流器采用下垂控制进行计算交直流混合配电网系统潮流,已经难以适用于多换流器并联情况等技术问题。

    一种家庭用电设备负荷预测方法

    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

    IPC分类号: H02J3/00

    摘要: 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。

    一种基于深度决策树算法的电力负荷特性挖掘方法

    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

    IPC分类号: H02J3/00

    摘要: 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。

    一种多源电能计量装置及计量方法

    公开(公告)号:CN107449963A

    公开(公告)日:2017-12-08

    申请号:CN201710814293.0

    申请日:2017-09-11

    IPC分类号: G01R22/06

    CPC分类号: G01R22/06 G01R22/061

    摘要: 本发明公开了一种多源电能计量装置及计量方法,包括电能计量装置,中央控制器,还包括至少两个低压复合开关,低压复合开关分别与中央控制器及电能计量装置电气连接,中央控制器与电能计量装置电气连接,本发明能够根据用户选择的能源种类,通过驱动电路对磁保持继电器和电力电子开关调控,对低压复合开关进行控制,达到负荷在不同电能来源之间进行切换的目的,实现通过一套计量装置进行多种电能来源计量,同时能实现带负荷不停电切换低压负荷开关,不影响居民正常生产用电,对低压电网和用电负荷无冲击,保障供电可靠性和电压质量,且不会造成多源间发生短路,具有良好的经济效益。