-
公开(公告)号：CN111860882A
公开(公告)日：2020-10-30
申请号：CN202010552327.5
申请日：2020-06-17
Applicant: 国网江苏省电力有限公司 , 国网电力科学研究院有限公司 , 国电南瑞科技股份有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种电网故障处理知识图谱的构建方法及装置，通过领域高质量专业短语挖掘、命名实体识别，以及设备、事件、操作等关系抽取，从海量的电网运行数据、故障处理预案等结构化和非结构化数据中自动提取知识，构建电网调度故障处理知识图谱，很好地突破传统电网调度专家系统规则化定制知识、周期长、更新慢的限制，实现电网调度故障处理知识的计算机智能自主获取、跨领域分析和全时段学习。
-
公开(公告)号：CN111985653B
公开(公告)日：2022-08-26
申请号：CN202010586320.5
申请日：2020-06-24
Applicant: 国网江苏省电力有限公司 , 国网电力科学研究院有限公司 , 国电南瑞科技股份有限公司 , 国家电网有限公司
IPC: G06Q10/00 , G06Q50/06 , G06F16/36 , G06F16/901
Abstract: 本发明公开了一种基于知识图谱的电网故障知识推荐与知识管理系统及方法，系统包括故障知识管理后台模块和前端故障知识管理界面模块，故障知识管理后台模块，用于从数据存储模块中查找输入实体的、故障匹配、故障相似推荐信息发送至前端故障知识管理界面模块；前端故障知识管理界面模块，用于将数据进行图谱结构化展示。本发明能够在满足电网调度业务实时性要求的前提下，为调度员在处理电网故障时提供辅助决策，丰富调度人员恢复决策手段，实现故障处理的工具化支撑，提升电网故障处理效率。
-
公开(公告)号：CN114936667A
公开(公告)日：2022-08-23
申请号：CN202210309877.3
申请日：2022-03-28
Applicant: 国网电力科学研究院有限公司 , 国电南瑞科技股份有限公司 , 国网宁夏电力有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种基于知识图谱的电网日前调度计划优化决策方法，本发明的方法首先建立电网日前调度优化决策知识图谱框架；再采用深度神经网络从电网日前调度计划优化决策领域文本语料抽取电网实体与事件；然后基于电网实体、事件构建电网日前调度计划优化决策领域知识图谱，在完成上两步的基础上，基于调度计划优化历史记录构建优化场景，并基于场景相似度计算和知识图谱得出计划优化建议。本发明从历史调度计划优化经验中提取优化经验，实现优化决策过程中关联数据的自动获取和优化决策条件的主动推送，减少计划迭代优化次数，缩短计划制定整体时间，提升优化过程效率和质量。
-
公开(公告)号：CN114077674A
公开(公告)日：2022-02-22
申请号：CN202111279160.0
申请日：2021-10-31
Applicant: 国电南瑞科技股份有限公司 , 国网浙江省电力有限公司 , 国网电力科学研究院有限公司 , 国家电网有限公司
Abstract: 本发明公开了一种电网调度知识图谱数据优化方法及系统，本发明的方法首先利用深度学习方法，对领域高质量短语进行自动挖掘，完成调度实体自动识别和等价消岐；再根据深度学习技术完成调度实体全局关系抽取，从而完成实体关系的识别和校验，达到建立初始电网调度知识图谱的目的；在完成上两步的基础上，使用自然语言学习知识融合技术，基于时间戳对新增调度计划数据进行增量训练；同时，在各步骤完成的过程中引入知识图谱知识内容的生命周期管理；最终在以上步骤的共同协作下完成可持续学习的动态知识图谱。本发明保证电网调度优化决策知识图谱的高精确度，保证了对增量知识动态更新的同时降低了更新训练时的计算资源及时间消耗。
-
公开(公告)号：CN119944674A
公开(公告)日：2025-05-06
申请号：CN202510424282.6
申请日：2025-04-07
Applicant: 国电南瑞科技股份有限公司
IPC: H02J3/00 , G06F18/15 , G06F18/2113 , G06F18/214 , G06F18/23213 , G06F123/02
Abstract: 本发明公开了一种基于样本聚类的电力预测方法、系统、设备及存储介质，获取电力系统历史样本的时间序列数据集，进行预处理并提取基础特征，从基础特征中选择重要特征进行特征构造得到衍生特征，随机抽取其余特征放入若干子特征集并进行初步特征选择；对初步特征、重要特征和衍生特征进行优选特征选择；通过优选特征的相关性和变化率改进聚类距离计算公式，对样本点进行聚类，剔除孤立或弱相关性的样本点后的数据集作为训练集和测试集，训练电力预测模型，通过电力预测模型进行电力预测。采用特征分组的方法节省运营成本以及通过引入相关性和变化率的样本聚类算法进行降噪处理后的电力行业时间序列预测，提升预测精度。
-
Patent Agency Ranking
公开(公告)号：CN117154721A
公开(公告)日：2023-12-01
申请号：CN202311193605.2
申请日：2023-09-15
Applicant: 国电南瑞科技股份有限公司
IPC: H02J3/00 , H02J3/38 , G06F18/23213 , G06Q50/06
Abstract: 本发明公开了一种基于代理缩放机制的区域新能源功率预测方法，包括如下步骤：首先使用经验正交函数法解析区域内新能源出力特征；然后采用kmeans无监督聚类法划分子区域，并利用新能源场站的相关系数和预测精度选取代理新能源场站；根据代理新能源场站的预测功率及权重系数完成区域新能源功率的升尺度预测；最终完成区域新能源功率预测。本发明保证了区域新能源功率预测精度，同时减少区域预测模型对单一场站数据完备性和预测精度的依赖。
-
公开(公告)号：CN119862407A
公开(公告)日：2025-04-22
申请号：CN202411808195.2
申请日：2024-12-10
Applicant: 国电南瑞科技股份有限公司
IPC: G06F18/213 , G06F18/214 , G06F18/21 , G06N3/0442 , G06N3/045 , G06N3/049 , G06N3/0464 , G06F18/243 , H02J3/00 , G06F123/02
Abstract: 本发明公开了一种基于时序特性的负荷预测方法、系统、设备及介质，所述负荷预测方法利用LSTM与Attention机制，构建时序残差神经网络，能够精准捕捉负荷数据在不同场景下的时序变化规律，解决了XGBoost模型对时序特征捕捉较弱的缺陷，缓解了传统LSTM时序神经网络对多场景下负荷变化拟合的滞后性本发明还引入了基于样本时序的加权损失函数，增加模型对近期样本的关注度，提高了负荷预测准确率，有效解决了新能源发电影响和气象因素耦合对负荷变化预测的挑战，同时减少了对额外特征变量的需求，降低了模型训练和预测过程中的计算消耗，更好地适应负荷的时序规律变化和相关要素的耦合性，提高了负荷预测准确率。
-
公开(公告)号：CN117828413A
公开(公告)日：2024-04-05
申请号：CN202311611101.8
申请日：2023-11-28
Applicant: 国电南瑞科技股份有限公司
IPC: G06F18/241 , G06F18/214 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于LSTM神经网络的变压器油温预测方法和系统，包括：获取变压器环境气象、运行无功和有功功率及变压器油温的历史数据，经预处理得到历史数据集；根据得到的历史数据集构建时序特征、多项式特征和统计特征，得到变压器油温预测样本集；将样本集划分为训练集和测试集，接着进行特征划分提高模型对预测时段的信息捕捉能力；最后根据所述的特征划分和训练集构建LSTM时序预测模型。本发明进一步捕捉变压器油温变化的时序规律，提高了油温预测的准确性，避免因过热，造成变压器损坏，提高了设备可靠性。
-
公开(公告)号：CN115775073A
公开(公告)日：2023-03-10
申请号：CN202211480945.9
申请日：2022-11-24
Applicant: 国电南瑞南京控制系统有限公司 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司宁波供电公司 , 国电南瑞科技股份有限公司
Inventor： 谢峰 , 张思 , 张琪培 , 朱耿 , 束蛟 , 伍林 , 旷文腾 , 王伟 , 陆继翔 , 蒋正威 , 吴一峰 , 徐立中 , 唐律 , 虞殷树 , 贺旭 , 周宏辉 , 陈东海 , 王波 , 章杜锡 , 张静 , 胡真瑜 , 蔡振华 , 张志雄 , 胡海 , 叶海强
Abstract: 本发明公开了一种母线负荷预测自动跟随电网运行方式调整方法，包括负荷模型选择模块和母线负荷预测模块，负荷模型选择模块，用于在电网运行方式调整后，以动作的方式，从多种候选组合的母线负荷预测模型中选择预测效果最好的预测模型；母线负荷预测模块，用于根据气象，历史统计等特征预测未来时间段内的母线负荷。本发明能够在满足配电网动态重构实时性要求的前提下，实现随运行方式变化的负荷预测数据自动跟随计算功能，满足母线负荷预测的即时性。
-
公开(公告)号：CN117200222A
公开(公告)日：2023-12-08
申请号：CN202311302517.1
申请日：2023-10-09
Applicant: 国电南瑞科技股份有限公司 , 南瑞集团有限公司
IPC: H02J3/00 , G06F18/214 , G06N3/0442 , G06N3/0464
Abstract: 本发明公开了一种基于double‑input CNN‑LSTM的系统负荷预测方法及系统，该方法包括：获取数值天气预报和实测历史负荷数据，对数据中存在的异常值、缺失值异常点清洗和填充；对清洗后的负荷和天气数据构造成时序特征集，进而划分特征集为训练集、验证集和测试集，输入double‑input CNN‑LSTM时序网络进行训练得到模型；利用训练好的double‑input CNN‑LSTM时序预测模型对电力系统进行系统负荷预测。本发明综合考虑历史负荷的周期性、趋势性变化和预测日的气象影响，模型将特征输入划分为历史特征和预测特征，解决历史特征和预测日特征尺度不对称的问题，提高了系统负荷预测精度和曲线形态准确性，系统负荷预测结果满足电网负荷预测计划要求，能够更好地应用于之后的负荷调度决策中。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.07 seconds)
