-
公开(公告)号：CN119740800A
公开(公告)日：2025-04-01
申请号：CN202411793414.4
申请日：2024-12-06
Applicant: 国网青海省电力公司营销服务中心 , 国网青海省电力公司
IPC: G06Q10/0631 , G06F18/211 , G06F18/15 , G06F18/241 , H02J3/00 , G06Q50/06 , G06N3/0499
Abstract: 本发明涉及一种短期净负荷预测方法，包括：基于历史净负荷数据、分解后的净负荷数据、天气数据、日期数据等多方面因素的数据预处理技术，所述数据预处理技术包括数据清洗、特征选择和特征缩放，其中：数据清洗用于处理数据集中的错误、缺失或无效数据，包括删除重复数据、处理缺失数据和异常值。本发明的有益效果在于：一、提高预测准确性。二、提升模型泛化能力。三、增强模型的适应性和灵活性。四、提高数据利用效率。五、有助于电力系统的高效运行和管理。在电力市场环境下，准确的净负荷预测可以帮助电力供应商和用户制定合理的交易策略，降低市场风险，控制成本，促进电力市场的健康发展。
-
公开(公告)号：CN119718824A
公开(公告)日：2025-03-28
申请号：CN202411787383.1
申请日：2024-12-06
Applicant: 国网青海省电力公司营销服务中心 , 国网青海省电力公司
Abstract: 本发明涉及一种基于隐马尔可夫模型的非侵入式负荷分解方法，一种基于隐马尔可夫模型的非侵入式负荷分解方法，隐马尔可夫模型拓展为因子隐马尔可夫模型应用于非侵入式负荷监测，其中将非侵入式负荷监测的任务对应为隐马尔可夫模型中的参数学习问题和状态推断问题；使用公开数据集对基于隐马尔可夫模型的负荷分解方法进行实验以确认分解效果，利用隐马尔可夫模型（HMM）求解非侵入式负荷分解问题，采用Viterbi算法逐步求解，所述Viterbi算法通过遍历所有的状态转移情况来寻找最佳状态序列，且应用动态规划高效求解概率最大的状态序列，在逐步分解过程中根据ｔ时刻负荷情况和ｔ+1时刻的总功率推测ｔ+1时刻负荷状态情况。
-
公开(公告)号：CN119692553A
公开(公告)日：2025-03-25
申请号：CN202411803220.8
申请日：2024-12-06
Applicant: 国网青海省电力公司营销服务中心 , 国网青海省电力公司
Abstract: 本发明涉及一种基于多方样本的联邦学习达到负荷预测的方法，包括，S1：联邦学习多方样本本地模型训练；S2：联邦学习模型聚合：针对负荷预测场景专门设计聚合模型，此聚合模型的构建需要对全局模型的预测结果进行分析和趋势探测；S3：联邦学习隐私数据保护：采用差分隐私保护技术，该技术通过向数据或训练模型输出添加噪声来保护本地数据，防止通过反向计算获取原始隐私数据，其中噪声添加方式应根据数据的特性和隐私保护需求确定；负荷预测准确性高，无论是短期的负荷波动还是长期的负荷趋势预测都能提供更可靠的结果。模型训练效率高，提高了整个联邦学习负荷预测模型的训练效率，从而能够更及时地为电力配网的负荷预测提供支持。
-
公开(公告)号：CN119718345A
公开(公告)日：2025-03-28
申请号：CN202411793353.1
申请日：2024-12-06
Applicant: 国网青海省电力公司营销服务中心 , 国网青海省电力公司
IPC: G06F8/60 , G06F8/10 , G06F9/4401 , G06F9/50 , G06F8/71 , G06Q10/04 , G06Q10/0631 , G06Q50/06
Abstract: 本发明涉及一种净负荷预测模型在智慧能源单元上的部署与优化方法，一种净负荷预测模型在智慧能源单元上的部署与优化方法，包括：智能能源单元与模型的兼容适配，具体包括：根据模型的复杂性、数据量、性能要求以及预算研究模型部署的软硬件需求，通过分析模型复杂度评估所需算例支撑、内存和存储空间需求，依据模型和框架确定是否需要额外依赖文件并研究安全性需求；采用集成学习算法进行目标检测；引入自注意力机制的时序事件模型进行故障预警和消缺指引，预测关键设备潜在故障发生概率。本发明的有益效果在于：一、提高模型与智慧能源单元的适配性。二、提升模型性能。三、实现有效的模型部署与测试。四、助力提高电力市场运营和调控能力。
-
-
-
Search Results
4
records
(took 0.044 seconds)
