公开(公告)号：CN113554079A

公开(公告)日：2021-10-26

申请号：CN202110794651.2

申请日：2021-07-14

Applicant: 中国地质大学(北京)

Inventor： 季晓慧 ,  张丽薇 ,  李晨

IPC: G06K9/62

Abstract: 本发明实施例公开了一种基于二次检测法的电力负荷异常数据检测方法及系统，本发明的方法包括：获取某地区电力负荷历史数据；建立基于网格化搜索设置参数的DBSCAN异常检测模型对样本进行聚类并标注簇外异常点；对聚类出的各簇建立iForest‑MIE异常检测模型将各簇内不满足阈值的样本点标注为异常值；汇总两个模型所得的簇内外异常数据并修正以供后续负荷预测。本发明技术方案能够通过DBSCAN和iForest‑MIE异常检测模型进行两次检测分别识别簇外和簇内异常值，能够更加准确地识别出数据集中的所有异常值，修正后能在后续的负荷预测中得到更准确的结果。

公开(公告)号：CN115018200A

公开(公告)日：2022-09-06

申请号：CN202210787250.9

申请日：2022-07-04

Applicant: 中国地质大学(北京)

Inventor： 季晓慧 ,  张丽薇 ,  刘金波 ,  王玉柱

IPC: G06Q10/04 ,  G06Q50/06 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例公开了一种基于深度学习并考虑多种影响因素的电力负荷预测方法及系统，包括：获取某地区电力负荷、气象、节假日等历史数据；建立基于动态时间规整改进的KMeans聚类模型；计算皮尔逊相关系数得到对电力负荷影响较大的气象因素；对聚类出的各用户类别建立多因素ConvLSTM‑Prophet电力负荷预测模型并使用历史数据进行训练；使用训练后的模型对各用户类别进行预测。本发明能够根据用户的电力负荷不同对其进行类别划分，降低了电力负荷预测时的用户内部差异，通过多因素模型预测降低了气象因素、季节和节假日等外部因素对预测结果的影响，取得了比仅考虑历史电力负荷及不对用户进行分类预测更准确的结果。

公开(公告)号：CN113554079B

公开(公告)日：2023-08-01

申请号：CN202110794651.2

申请日：2021-07-14

Applicant: 中国地质大学(北京)

Inventor： 季晓慧 ,  张丽薇 ,  李晨

IPC: G06F18/214 ,  G06F18/243 ,  G06F18/23213

Abstract: 本发明实施例公开了一种基于二次检测法的电力负荷异常数据检测方法及系统，本发明的方法包括：获取某地区电力负荷历史数据；建立基于网格化搜索设置参数的DBSCAN异常检测模型对样本进行聚类并标注簇外异常点；对聚类出的各簇建立iForest‑MIE异常检测模型将各簇内不满足阈值的样本点标注为异常值；汇总两个模型所得的簇内外异常数据并修正以供后续负荷预测。本发明技术方案能够通过DBSCAN和iForest‑MIE异常检测模型进行两次检测分别识别簇外和簇内异常值，能够更加准确地识别出数据集中的所有异常值，修正后能在后续的负荷预测中得到更准确的结果。