-
公开(公告)号：CN117853047A
公开(公告)日：2024-04-09
申请号：CN202311814817.8
申请日：2023-12-26
Applicant: 国网浙江省电力有限公司经济技术研究院 , 浙江华云信息科技有限公司 , 杭州似然数据有限公司
Abstract: 本发明属于光伏发电预测技术领域，涉及一种基于天气数据的光伏发电预测方法、装置及存储介质。预测方法包括：S1、构建网络训练模型；S2、获取历史数据，历史数据包括天气数据和光伏发电出力数据；S3、将历史数据输入网络训练模型中，并设定训练周期，得到训练后的网络训练模型；S4、获取当前天气数据，将当前天气数据输入网络训练模型中，进行光伏发电预测。本发明利用天气数据进行光伏发电预测，避免多设备采集多种数据导致的成本高且不易维护的技术问题；另外最终预测的光伏发电出力情况，相比其他网络模型，MSE值和MAPE值均大幅度减少，有效提高光伏发电预测的准确度。
-
公开(公告)号：CN117807508A
公开(公告)日：2024-04-02
申请号：CN202410102007.8
申请日：2024-01-24
Applicant: 杭州似然数据有限公司 , 国网浙江省电力有限公司经济技术研究院
IPC: G06F18/241 , G06N3/0455 , G06Q10/0631 , G06Q50/06 , H02J3/00
Abstract: 本发明公开了一种基于LinTrans短时用电负荷预测算法系统，简单线性与复杂模型的并联结构。该结构高效的提高了用电负荷预测任务的平均精度，并极大地降低了最大误差，通过在输入输出间设计Linear Link Block简单线性连接结构，从而放大输出对输入中人工特征的敏感度，设计了长周期信息提取器Long Time Information Extractor,LTIE,用于提取用电负荷预测任务重的广泛依赖关系，在设计LTIE时，相比于基于transformer的时间序列预测算法更加简单的Encorder特征编码结构与Decoder特征解码结构，大大降低了时间复杂度，可节约推理时间5‑10倍。
-
公开(公告)号：CN117057456B
公开(公告)日：2024-03-26
申请号：CN202310854452.5
申请日：2023-07-12
Applicant: 杭州似然数据有限公司 , 国网浙江省电力有限公司经济技术研究院
Abstract: 本发明公开了基于分段样条回归‑WaveNet两阶段电力负荷预测方法及装置，包括以下步骤：得到训练集和测试集；得到修正后的分段样条线性回归模型；得到所述训练集用滤波后的残差序列；利用所述训练集用滤波后的残差序列对WaveNet电力负荷残差预测模型进行训练，得到训练结束后的WaveNet电力负荷残差预测模型；获得测试合格的分段样条回归‑WaveNet两阶段电力负荷预测模型；将待预测的电力负荷数据输入所述分段样条回归‑WaveNet两阶段电力负荷预测模型进行预测，得到对应所述待预测的电力负荷数据的电力负荷预测值。本发明对于中短期电力负荷预测的准确性高，可解释性与鲁棒性好，灵活性较好。
-
公开(公告)号：CN115310409A
公开(公告)日：2022-11-08
申请号：CN202210784845.9
申请日：2022-06-29
Applicant: 杭州似然数据有限公司
IPC: G06F40/126
Abstract: 本申请涉及一种数据编码的方法、系统、电子装置和存储介质，其中，该方法包括：获取待处理文本数据，对待处理文本数据中的符号根据出现频率的大小进行由高到低排序；根据自定义算法，对排序后的符号进行分割计算，得到分割点，其中，在分割点前的符号为高频符号，其余为低频符号；根据分割后的符号类别，通过预测器进行预测，预测得到下一个符号的概率分布值；将得到的下一个符号的概率分布值输入到编码器中，对文本数据进行编码，输出得到对应的字符串。通过本申请，解决了对符号进行概率分布预测估计时，计算量大，内存消耗严重的问题，加快计算速度、降低内存消耗。
-
公开(公告)号：CN114840482A
公开(公告)日：2022-08-02
申请号：CN202210406661.9
申请日：2022-04-18
Applicant: 杭州似然数据有限公司
IPC: G06F16/174 , G06N3/04 , G06N3/08 , G06N20/00
Abstract: 本申请涉及时序数据的有损压缩方法、解压方法、设备和存储介质，属于数据压缩技术领域，压缩方法包括：根据预设参数将定义域划分成若干区间，并对每个区间进行编号；获取时序数据点的真实值即待压缩数据，对时序数据点通过机器学习模型输出预测值，并根据真实值和预测值计算周期项；根据周期项和区间对待压缩数据进行离散化处理，记录区间编号；将区间编号通过指定编码方式进行压缩，得到编码值。根据本申请实施例，能够使得压缩比更高、压缩结果的准确性更高，且解压结果相较于真实值而言误差更小。
-
Patent Agency Ranking
公开(公告)号：CN118133060A
公开(公告)日：2024-06-04
申请号：CN202311820214.9
申请日：2023-12-26
Applicant: 国网浙江省电力有限公司经济技术研究院 , 杭州似然数据有限公司
IPC: G06F18/23213 , G06Q50/06 , G06F18/241 , G06N3/0464 , H02J3/00
Abstract: 本发明属于光伏发电预测技术领域，涉及一种基于时序生成边的光伏发电预测方法、装置及存储介质。所述方法具体包括：构建网络训练模型；获取历史数据；将历史数据输入网络训练模型中，得到训练后的网络训练模型；训练网络训练模型之前，构造适合图神经网络训练的图数据集，以每个气象站作为节点，构建节点特征矩阵和边矩阵，构建边矩阵时，以时间序列聚类阈值高斯核权重法计算节点之间的关系；获取当前天气数据，将当前天气数据输入网络训练模型中，进行光伏发电预测；本发明先以时间序列对历史数据进行排序，然后时间序列聚类，计算边权重，进而能够去除图数据集中的无效边，减少网络训练的数据量，提高训练效率。
-
公开(公告)号：CN116826712A
公开(公告)日：2023-09-29
申请号：CN202310684829.7
申请日：2023-06-09
Applicant: 国网浙江省电力有限公司经济技术研究院 , 杭州似然数据有限公司 , 浙江华云信息科技有限公司 , 国网浙江省电力有限公司
Abstract: 本发明公开了一种高频日内分时用电负荷的升频处理方法、装置和设备，通过获取待预测地区的待预测日的曲线中心约束数据和曲线波动约束数据；根据预设的标准日用电负荷曲线集合，确定与待预测日匹配的标准日用电负荷曲线，作为目标标准日用电负荷曲线；根据所述曲线中心约束数据和所述曲线波动约束数据，对所述目标标准日用电负荷曲线进行升频处理，得到所述待预测日的日用电负荷曲线，根据所述日用电负荷曲线确定发电站的目标发电量，控制所述发电站的运行状态。采用本发明，其能够将对日内分时用电负荷的超长频的预测问题转换为中短频预测问题，有效提高日内分时用电负荷的预测精准性，从而保证发电站的安全稳定运行。
-
公开(公告)号：CN115310409B
公开(公告)日：2024-07-12
申请号：CN202210784845.9
申请日：2022-06-29
Applicant: 杭州似然数据有限公司
IPC: G06F40/126
Abstract: 本申请涉及一种数据编码的方法、系统、电子装置和存储介质，其中，该方法包括：获取待处理文本数据，对待处理文本数据中的符号根据出现频率的大小进行由高到低排序；根据自定义算法，对排序后的符号进行分割计算，得到分割点，其中，在分割点前的符号为高频符号，其余为低频符号；根据分割后的符号类别，通过预测器进行预测，预测得到下一个符号的概率分布值；将得到的下一个符号的概率分布值输入到编码器中，对文本数据进行编码，输出得到对应的字符串。通过本申请，解决了对符号进行概率分布预测估计时，计算量大，内存消耗严重的问题，加快计算速度、降低内存消耗。
-
公开(公告)号：CN114840482B
公开(公告)日：2024-06-28
申请号：CN202210406661.9
申请日：2022-04-18
Applicant: 杭州似然数据有限公司
IPC: G06F16/174 , G06N3/0499 , G06N3/08 , G06N20/00
Abstract: 本申请涉及时序数据的有损压缩方法、解压方法、设备和存储介质，属于数据压缩技术领域，压缩方法包括：根据预设参数将定义域划分成若干区间，并对每个区间进行编号；获取时序数据点的真实值即待压缩数据，对时序数据点通过机器学习模型输出预测值，并根据真实值和预测值计算周期项；根据周期项和区间对待压缩数据进行离散化处理，记录区间编号；将区间编号通过指定编码方式进行压缩，得到编码值。根据本申请实施例，能够使得压缩比更高、压缩结果的准确性更高，且解压结果相较于真实值而言误差更小。
-
公开(公告)号：CN119783734A
公开(公告)日：2025-04-08
申请号：CN202311819395.3
申请日：2023-12-27
Applicant: 杭州似然数据有限公司 , 国网浙江省电力有限公司经济技术研究院 , 浙江华云信息科技有限公司
IPC: G06N3/0495 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于自适应字典的压缩模型构建方法及其系统，首次在基于神经网络的无损压缩算法中应用了自适应字典和基础的自注意力结构模型，且将中文数据集应用在压缩算法模型中，自适应字典的生成高效，快速且节省内存，结合该自适应字典方案后，英文数据的压缩比得到有效提升，对中文数据的压缩也有效果，超过了大部分模型，且在数据吞吐率方面都超过了大部分循环神经网络模型。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.036 seconds)
