-
公开(公告)号：CN105243449A
公开(公告)日：2016-01-13
申请号：CN201510670899.2
申请日：2015-10-13
Applicant: 北京中电普华信息技术有限公司 , 国家电网公司 , 国网信息通信产业集团有限公司
Abstract: 本发明公开了一种售电量预测结果修正方法及装置，依据预设时长内的历史月售电量数据、历史月售电量预测值，以及预先确定的若干影响因素指标预置月售电量调整模型，在得到月售电量预测结果(即待修正的月售电量预测值)后，将当前年度内的若干影响因素指标的预测数据和情报数据输入月售电量调整模型得到基于各个影响因素指标的月售电量调整量(该基于各个影响因素指标的月售电量调整量即为各个影响因素指标的异常导致的售电量调整量)，用基于各个影响因素指标的月售电量调整量对月售电量预测结果进行修正，提高了售电量预测结果的精度。
-
公开(公告)号：CN107093109A
公开(公告)日：2017-08-25
申请号：CN201710274248.0
申请日：2017-04-24
Applicant: 北京中电普华信息技术有限公司 , 国网信息通信产业集团有限公司 , 国家电网公司
CPC classification number: G06Q30/0201 , G06Q50/06
Abstract: 本申请提供了一种异常高温对售电量的影响分析方法及装置，利用线性插值方法得到目标区域中的月度GDP增速值，使得GDP增速值粒度更细，从而提高计算数据的质量；根据目标月份的最高温度是否大于目标月份最高温度的置信区间的最大值，以及目标月份的售电量增速值是否大于目标月份售电量增速的置信区间的最大值，判断目标月份的售电量是否受到高温影响，保证了对高温对目标月份售电量的影响分析结果的有效性；对于受到高温影响的目标区域，利用目标月份的实际售电量减去售电量置信区间的上限得到售电量的影响变化值，这部分变化值是由于GDP增速和温度的异常造成的，通过计算出GDP增速和高温的影响变化值，从而可以准确计算得到高温对售电量的影响值。
-
公开(公告)号：CN106952077A
公开(公告)日：2017-07-14
申请号：CN201710157304.2
申请日：2017-03-16
Applicant: 北京中电普华信息技术有限公司 , 国网安徽省电力公司 , 国网信息通信产业集团有限公司 , 国家电网公司
CPC classification number: G06Q10/103 , G06Q50/06
Abstract: 本发明提出一种工单处理策略的生成方法，包括：获取设定时间区间和设定地理范围内的同一类型工单的数据信息；依次对所述数据信息进行方差分析处理和对应分析处理，得到影响工单处理时长的关键影响因素，以及关键影响因素的不同取值与工单处理时长类别之间的对应关系信息；根据所述同一类型工单，预测得到设定时间段内所述设定地理范围内的所述同一类型工单的数量；根据关键影响因素的不同取值与工单处理时长类别之间的对应关系信息、所述同一类型工单的数量，以及用于处理所述同一类型工单的资源信息，生成工单处理策略。采用本发明技术方案，工作人员能够根据生成的工单处理策略提前安排资源调度，提高工单处理效率。
-
公开(公告)号：CN106845874A
公开(公告)日：2017-06-13
申请号：CN201710157001.0
申请日：2017-03-16
Applicant: 北京中电普华信息技术有限公司 , 国网安徽省电力公司 , 国网信息通信产业集团有限公司 , 国家电网公司
Abstract: 本发明提供了一种关联度计算方法及装置，该方法包括：从后台数据库中调取至少两个用电客户的电力数据，并从各个用电客户中确定一个目标客户和至少一个对比客户，电力数据包括客户信息以及客户用电信息；针对每一个对比客户，根据对比客户信息和目标客户信息计算单因子匹配相似度，同时，根据对比客户用电信息和目标客户用电信息计算多因子复合相似度；针对每一个对比客户，根据单因子匹配相似度和多因子复合相似度及其各自对应的权重值，计算与目标客户之间的关联度。基于本发明公开的方法实现了同时对大量的电力数据进行关联性度量，同时，由于从客户信息和用电信息两个方面进行了综合计算，也保证了计算的精确度。
-
公开(公告)号：CN106682840A
公开(公告)日：2017-05-17
申请号：CN201611269967.5
申请日：2016-12-30
Applicant: 北京中电普华信息技术有限公司 , 国网信息通信产业集团有限公司 , 国家电网公司
CPC classification number: G06Q10/06315 , G06Q10/06375 , G06Q50/06
Abstract: 本申请公开了一种基于日累计发行电量的短期售电量预测方法，包括：步骤S1：建立关于预测月份的日累计发行电量与去年同期日累计发行电量的线性函数关系，预测月份的日累计发行电量作为应变量，去年同期日累计发行电量为自变量；步骤S2：将预测月份的首日至预测日的日累计发行电量数据以及去年同期日累计发行电量数据代入线性函数关系，计算模型参数；步骤S3：将模型参数代入线性函数关系，得到短期售电量线性模型；步骤S4：将去年同期月份最后一天的日累计发行电量数据代入短期售电量线性模型中，得到预测月售电量。日累计发行电量数据准确反映当月天气、经济等波动情况，随预测日越接近月末日，建模时利用的日累计发行电量数据越多，准确度越高。
-
Patent Agency Ranking
公开(公告)号：CN107146014A
公开(公告)日：2017-09-08
申请号：CN201710300999.5
申请日：2017-05-02
Applicant: 北京中电普华信息技术有限公司 , 国网信息通信产业集团有限公司 , 国家电网公司
CPC classification number: G06Q10/06375 , G06Q50/06
Abstract: 本申请提供了一种业扩净增容量对售电量的影响分析方法及装置，获取电网公司售电量数据和业扩净增容量数据，基于X13季节调整对售电量数据和业扩净增容量数据分别进行分解，得到第一、第二、第三产业及城乡居民的售电量趋势项和业扩净增容量趋势项，基于动态时间规整法，计算第一、第二、第三产业及城乡居民的业扩净增容量的前导期数，根据运行容量及售电量数据计算出第一、第二、第三产业及城乡居民的运行小时，将前导期数作为生长曲线的稳定时间，构建第一、第二、第三产业及城乡居民的业扩净增容量生长曲线模型，最后基于业扩净增容量生长曲线模型获得每个月的负荷投运比例，从而量化业扩净增容量对售电量的影响。
-
公开(公告)号：CN106504125A
公开(公告)日：2017-03-15
申请号：CN201611227967.9
申请日：2016-12-27
Applicant: 北京中电普华信息技术有限公司 , 国网信息通信产业集团有限公司 , 国家电网公司
IPC: G06Q50/06
CPC classification number: G06Q50/06
Abstract: 本发明公开了一种构建客户信用综合评价体系的方法及装置，通过设置固有属性评价、既往信用评价、基本信用评价和信用因子评价等评价维度，设置每一个评价维度的评价指标；依据层级分析法确定固有属性评价中每个评价指标的权重；依据熵值法和层级分析法计算既往信用评价和基本信用评价中的每个评价指标的权重，并依据牛顿冷却定律获取既往信用评价中年份的权重；确定信用因子评价中每个评价指标对应的调整规则；依据层次分析法确定每个评价维度的权重。因此，通过设置多维度评价，比较全面的考虑了客户的情况，并通过主观和客观赋权法相结合，获得了每个评价维度中的各个指标及每个维度的权重，提供科学的、综合的电力用户信用评价体系。
-
公开(公告)号：CN106845874B
公开(公告)日：2020-09-08
申请号：CN201710157001.0
申请日：2017-03-16
Applicant: 北京中电普华信息技术有限公司 , 国网安徽省电力公司 , 国网信息通信产业集团有限公司 , 国家电网公司
Abstract: 本发明提供了一种关联度计算方法及装置，该方法包括：从后台数据库中调取至少两个用电客户的电力数据，并从各个用电客户中确定一个目标客户和至少一个对比客户，电力数据包括客户信息以及客户用电信息；针对每一个对比客户，根据对比客户信息和目标客户信息计算单因子匹配相似度，同时，根据对比客户用电信息和目标客户用电信息计算多因子复合相似度；针对每一个对比客户，根据单因子匹配相似度和多因子复合相似度及其各自对应的权重值，计算与目标客户之间的关联度。基于本发明公开的方法实现了同时对大量的电力数据进行关联性度量，同时，由于从客户信息和用电信息两个方面进行了综合计算，也保证了计算的精确度。
-
公开(公告)号：CN107220851A
公开(公告)日：2017-09-29
申请号：CN201710379825.2
申请日：2017-05-25
Applicant: 北京中电普华信息技术有限公司 , 国网信息通信产业集团有限公司 , 国家电网公司
CPC classification number: G06N20/00 , G06Q30/0202 , G06Q50/06
Abstract: 本发明实施例公开了一种基于X13季节调整和因素回归的售电量预测方法及装置，对历史售电量数据进行预处理，利用X13季节调整算法将预处理后的售电量序列分解为趋势项、季节项和随机项；根据各子序列的影响因素和曲线特征采用预测算法分别进行预测，为保证趋势项预测精度和鲁棒性，采用多种算法分别进行预测；将各子序列的预测结果加和重构得到售电量预测结果，最后在多种预测结果中综合选择性能最优的预测结果；同时本发明实施例还充分考虑了一些影响因素对各分解项的影响；因此，采用本实施例的方案得到的预测结果精度更高。
-
公开(公告)号：CN107220764A
公开(公告)日：2017-09-29
申请号：CN201710378514.4
申请日：2017-05-25
Applicant: 北京中电普华信息技术有限公司 , 国网信息通信产业集团有限公司 , 国家电网公司
CPC classification number: G06Q10/06315 , G06Q10/06375 , G06Q50/06
Abstract: 本发明公开了一种基于前导分析和因素补偿的售电量预测方法及装置，首先对原始售电量数据进行预处理，提升了建模数据质量；然后利用X13季节调整算法得到了售电量数据的趋势项、季节项和随机项三个子序列，在利用相关性分析深入研究各子序列影响因素的基础上，通过对子序列预测结果进行重构得到预测时间售电量的预测值；其中趋势项预测考虑了影响趋势项的相关指标并且采用多种机器学习算法分别进行预测，随机项预测考虑了春节因素及随机项因素，在外部因素变化异常的情况下也能实现精准的售电量预测；最后采用基于AHP的综合评价方法在四种加和结果中得到最具预测性能的预测结果。因此，采用本实施例的方法提升了售电量预测精度。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.089 seconds)
