基于分解网络的电力负荷预测方法

    公开(公告)号:CN115600640A

    公开(公告)日:2023-01-13

    申请号:CN202211214761.8

    申请日:2022-09-30

    Abstract: 本发明涉及电力负荷预测领域,尤其涉及基于分解网络的电力负荷预测方法,包括:采集用户侧历史负荷数据和气象数据作为原始数据;预处理原始数据;构建预测模型并训练;将待测日前的历史负荷数据和气象数据输入至训练好的预测模型中,得到待测日的电力负荷预测值;预测模型中,预测模型包括分解网络、卷积层和多层感知机;分解网络中的分解模块包括前后切分单元和局部关联信息提取单元;预处理后的原始数据作为输入序列,前后切分单元将输入序列前后切分为前序列和后序列,再通过两个局部关联信息提取单元完成序列中向量数据的提取,输出子序列;分解网络最终得到若干组子序列;最后通过卷积和多层感知机输出负荷预测值。本发明预测效果准确。

    基于数据处理的电池组电压异常检测方法与系统

    公开(公告)号:CN115421054A

    公开(公告)日:2022-12-02

    申请号:CN202210853387.X

    申请日:2022-07-20

    Abstract: 一种基于数据处理的电池组电压异常检测方法,包括:步骤1,获取电池组内多个锂离子电池的电压数据;并将每一块锂电池包含的N组随时间变化的电压数据定义为一条时序序列;步骤2,分别计算每条时序序列内所有点至直线的距离;步骤3,根据每条时序序列内所有点到直线的距离,确定每条时序序列的标记;步骤4,利用每条时序序列的标记,修改所述时序序列,并返回步骤2,直至所述时序序列没有确定标记;步骤5,根据每条时序序列的标记,确定每条时序序列对应的标记序列;步骤6,根据每条时序序列的标记序列,获得电池组电压的异常检测结果。本发明能够准确地实现故障的检测、定位,具有高可靠性。

Patent Agency Ranking