-
公开(公告)号：CN112085258A
公开(公告)日：2020-12-15
申请号：CN202010814408.8
申请日：2020-08-13
Applicant: 国网上海市电力公司
Abstract: 一种基于大数据技术的区域光伏发电量异常实时监测方法，属监控领域。包括构建光伏发电异常智能识别模型；获取系统光伏发用电数据和外部气象数据；采用基于类3σ准则的光伏功率异常数据识别，进行异常数据检测；通过离群点分析方法识别各类用户的偏高与偏低的异常用户；通过基于统计分析和Copula思想的异常识别模型及时发现、识别异常用户；通过光伏用户的故障预警，提高安全稳定运行水平，降低客户光伏设备故障率；实现设备故障的准确预测，提高安全稳定运行水平；有针对性的制定检修、运维计划，开展提前事前运维。其对对居民用户、低压非居用户、高压用户，能够进行光伏发电异常智能识别，可广泛用于电网的运行监控和管理领域。
-
公开(公告)号：CN113128113B
公开(公告)日：2024-04-12
申请号：CN202110398185.6
申请日：2021-04-14
Applicant: 国网上海市电力公司
Abstract: 一种基于深度学习和迁移学习的贫乏信息建筑负荷预测方法，属电力领域。包括数据预处理；搭建一个带有注意层的2D‑CNN模型和一个基于迁移学习框架的seq2seq模型，用于模拟训练以及观察预测结果；采用预训练的方法从源域数据中提取知识，并将知识转移到目标域的任务中，用以提高模型的泛化性和鲁棒性；在目标域数据上训练一个预训练的模型，更新预训练的模型学习到的知识和表示，从而使预训练的结果得到利用。通过使用来自相似建筑的历史数据，提高目标建筑在信息贫乏情况下的负荷预测的准确性，并通过不同的实验来验证迁移学习模型在不同的预训练数据下的性能，从而提高了预测方法的精度。可广泛用于区域综合能源系统的规划或设计领域。
-
公开(公告)号：CN113128113A
公开(公告)日：2021-07-16
申请号：CN202110398185.6
申请日：2021-04-14
Applicant: 国网上海市电力公司
Abstract: 一种基于深度学习和迁移学习的贫乏信息建筑负荷预测方法，属电力领域。包括数据预处理；搭建一个带有注意层的2D‑CNN模型和一个基于迁移学习框架的seq2seq模型，用于模拟训练以及观察预测结果；采用预训练的方法从源域数据中提取知识，并将知识转移到目标域的任务中，用以提高模型的泛化性和鲁棒性；在目标域数据上训练一个预训练的模型，更新预训练的模型学习到的知识和表示，从而使预训练的结果得到利用。通过使用来自相似建筑的历史数据，提高目标建筑在信息贫乏情况下的负荷预测的准确性，并通过不同的实验来验证迁移学习模型在不同的预训练数据下的性能，从而提高了预测方法的精度。可广泛用于区域综合能源系统的规划或设计领域。
-
-
Search Results
3
records
(took 0.024 seconds)
