一种基于LSTM-ELM的非侵入式电能负荷预测方法

    公开(公告)号:CN114139822B

    公开(公告)日:2024-08-20

    申请号:CN202111487796.4

    申请日:2021-12-07

    Abstract: 本发明公开了一种基于LSTM‑ELM的非侵入式电能负荷预测方法,包括以下步骤:(1)采集非侵入式电能表电能负荷时间序列信息,对负荷信息进行异常点识别修正,并进行归一化处理;(2)平稳化处理,分解得到包含不同时间尺度的局部特征信号的本征模函数IMF分量和残差分量;(3)建立长短期记忆网络(LSTM),获取准确的高频分量序列;(4)建立极限学习机(ELM)网络,获取准确的低频分量序列;(5)建立基于LSTM‑ELM的非侵入式电能表电能负荷预测模型,实现电能负荷准确预测。本发明对非侵入式电能表电能负荷变化趋势做出判断,对局部变化细节做出精准预测,具有更好的预测准确度和性能,能解决非侵入式电能表电能负荷随机性强、负荷预测准确度不足等问题。

    一种考虑移动电源和网络结构的供电恢复联合优化方法

    公开(公告)号:CN118074115A

    公开(公告)日:2024-05-24

    申请号:CN202410224011.1

    申请日:2024-02-28

    Abstract: 本发明提供了一种考虑移动电源和网络结构的供电恢复联合优化方法,包括以下步骤:首先,考虑移动电源停电时间和经济成本,以移动电源的接入点最优为目标函数,建立移动电源调度模型;其次,考虑潮流约束和径向约束,以开关动作成本和功率损耗最小为目标函数,建立网络重构模型;然后,在配电网络和交通网络耦合系统中,建立供电恢复联合优化模型;再然后,利用松弛方法,将供电恢复中混合整数非线性规划问题松弛为混合整数线性规划问题;最后,在MATLAB环境下使用GUROBI对模型进行求解,得到最优供电恢复方案。本发明所提供的电恢复联合优化方法,在降低系统运行成本和停电时间上得到了显著提升。

    一种基于LSTM-ELM的非侵入式电能负荷预测方法

    公开(公告)号:CN114139822A

    公开(公告)日:2022-03-04

    申请号:CN202111487796.4

    申请日:2021-12-07

    Abstract: 本发明公开了一种基于LSTM‑ELM的非侵入式电能负荷预测方法,包括以下步骤:(1)采集非侵入式电能表电能负荷时间序列信息,对负荷信息进行异常点识别修正,并进行归一化处理;(2)平稳化处理,分解得到包含不同时间尺度的局部特征信号的本征模函数IMF分量和残差分量;(3)建立长短期记忆网络(LSTM),获取准确的高频分量序列;(4)建立极限学习机(ELM)网络,获取准确的低频分量序列;(5)建立基于LSTM‑ELM的非侵入式电能表电能负荷预测模型,实现电能负荷准确预测。本发明对非侵入式电能表电能负荷变化趋势做出判断,对局部变化细节做出精准预测,具有更好的预测准确度和性能,能解决非侵入式电能表电能负荷随机性强、负荷预测准确度不足等问题。

    一种基于数据分析的应用推广服务智能优化系统

    公开(公告)号:CN119691274A

    公开(公告)日:2025-03-25

    申请号:CN202411772954.4

    申请日:2024-12-04

    Abstract: 本发明涉及数据分析技术领域,具体涉及一种基于数据分析的应用推广服务智能优化系统,包括需求获取模块、需求匹配模块、交互采集模块、交互分析模块和综合分析模块。本发明通过交互判断单元判断用户的状态为空闲或者繁忙,通过交互采集单元采集交互信息,通过交互分析模块对采集的交互信息进行数据分析,生成交互特征数据集,根据标准特征模型得到特征评估值,通过特征评估值构建个人交互训练模型并生成第一特征区间、第二特征区间和第三特征区间,通过综合分析模块结合交互状态和不同的特征区间进行综合判断,得到判断结果,根据判断结果进行推广,优化了服务器到端的推广方式,提高了智能化推广效果。

Patent Agency Ranking