一种高频采样电量曲线预测方法
    3.
    发明公开

    公开(公告)号:CN115687863A

    公开(公告)日:2023-02-03

    申请号:CN202210961338.8

    申请日:2022-08-10

    Abstract: 本发明公开了一种高频采样电量曲线预测方法,包括如下步骤:S1、样本数据拆分,分解获得多个频域曲线;S2、选取预测用核函数,对不同频域曲线分别设定核函数;S3、曲线重组,获得高频采样电量预测曲线;通过快速傅里叶变换和遗传算法,并通过动态添加核函数的方式提高预测方法的灵活性,减少高频采集电量曲线预测的系统运算成本,提高人工智能预测可行性,解决高频采集电量数据量过大导致目前以神经网络为基础的人工智能算力资源紧张难以大规模实用化的问题;可用于96点高频采样电量曲线预测及更高频率的曲线预测,在降低系统运算成本的基础上,预测效果能与预测效果较好的Elman神经网络相近,高效稳定实现有效预测高频采样电量曲线。

    基于CRITIC方法的零电量用户排查优先度权重计算方法

    公开(公告)号:CN110070256B

    公开(公告)日:2023-12-08

    申请号:CN201910152874.1

    申请日:2019-02-28

    Abstract: 本发明公开了基于CRITIC方法的零电量用户排查优先度权重计算方法,涉及一种零电量用户排查优先度权重计算方法。目前,常通过专家经验确定用户排查关键因子权重,不客观。本发明首先,筛选出零电量用户目标群体,从电力系统计量采集系统和营销系统提取用户多源数据;然后,对零电量用户进行预处理,缩小异常用户目标群体;其次,提取这些零电量用户的关键因子;最后,基于CRITIC方法确定各个关键因子的权重,分析各个关键因子对零电量用户发生异常的影响程度。本技术方案有效地降低了零电量用户进行现场核查的工作量,对零电量用户就计量(56)对比文件Tanveer Ahmad等.Review of variousmodeling techniques for the detection ofelectricity theft in smart gridenvironment.Renewable and SustainableEnergy Reviews.2018,第82卷2916-2933.王涓等.应用皮尔逊相关系数算法查找异常电能表用户.电力需求侧管理.2014,第16卷(第02期),52-54.沈海涛等.电力用户用电数据的异常数据审查和分类.电力与能源.2016,第37卷(第01期),17-22.Minakshi Kumari 等.Single-measure andmulti-measure approach of predictivemanufacturing control: A comparativestudy.Computers & IndustrialEngineering.2019,第127卷182-195.鲍卫东;吴佳佳.基于大数据的零电量用户分级管理.企业管理.2017,(第S1期),258-259.李芙蓉.零电量用户智能诊断方法的优化.中外企业家.2018,(第04期),116.

Patent Agency Ranking