-
公开(公告)号：CN110738349B
公开(公告)日：2023-07-11
申请号：CN201910837763.4
申请日：2019-09-05
Applicant: 国网浙江省电力有限公司杭州供电公司
Abstract: 本发明提出了基于多模型融合的电网故障抢修时长预测方法，包括在故障抢修时长的预测前，对输入的特征数据进行清洗，排除异常数据；使用清洗后的数据进行特征工程建设，选取特征数据，将特征数据分别输入到预测模型中进行建模；在建模的过程中，分别对单个模型参数进行调优，输出最优的预测结果；对预测结果进行加权求和，输出最终的预测值。通过使用多种机器学习方法进行建模，并将预测结果进行加权，融合多模型的优势特点，得到相较于单模型更为准确的预测结果。可以较为准确地对故障抢修时长进行预估，为电网故障抢修的自动化和智能化提供更好地支撑。
-
公开(公告)号：CN111178585A
公开(公告)日：2020-05-19
申请号：CN201911233976.2
申请日：2019-12-05
Applicant: 国网浙江省电力有限公司杭州供电公司
Abstract: 本申请实施例提出了基于多算法模型融合的故障接报量预测方法，包括获取故障接报量数据，对接报量数据进行基于特征提取后输入至组合模型中；对组合模型中的各个模型进行训练，基于训练结果调整对应每个模型输出结果的权重值；基于调整后的权重值得到组合模型输出的接报量预测值。通过采取包括基于深度学习技术的循环神经网络LSTM、基于梯度提升树的XGBoost算法和LightGBM算法以及传统的时间序列算法SARIMA算法在内的多模型融合的算法设计，并且采取加权的方式得到最终预测结果，能够提成预测的准确性。
-
公开(公告)号：CN110738349A
公开(公告)日：2020-01-31
申请号：CN201910837763.4
申请日：2019-09-05
Applicant: 国网浙江省电力有限公司杭州供电公司
Abstract: 本发明提出了基于多模型融合的电网故障抢修时长预测方法，包括在故障抢修时长的预测前，对输入的特征数据进行清洗，排除异常数据；使用清洗后的数据进行特征工程建设，选取特征数据，将特征数据分别输入到预测模型中进行建模；在建模的过程中，分别对单个模型参数进行调优，输出最优的预测结果；对预测结果进行加权求和，输出最终的预测值。通过使用多种机器学习方法进行建模，并将预测结果进行加权，融合多模型的优势特点，得到相较于单模型更为准确的预测结果。可以较为准确地对故障抢修时长进行预估，为电网故障抢修的自动化和智能化提供更好地支撑。
-
-
Search Results
3
records
(took 0.038 seconds)
