-
公开(公告)号:CN116562398B
公开(公告)日:2023-09-08
申请号:CN202310842668.X
申请日:2023-07-11
Applicant: 北京东润环能科技股份有限公司
IPC: G06N20/00 , G06Q10/04 , G06Q10/067 , G06Q50/06 , H02J3/00
Abstract: 本申请提供电力负荷预测模型训练方法、预测方法、电子设备和介质,模型训练方法包括:获取历史电力负荷数据和历史气象数据;其中,历史气象数据和历史电力负荷数据时序对应;在训练过程中,基于第一电力负荷预测子模型,针对特征相似度维度学习历史气象数据之间的特征相似度关系和时序对应的历史电力负荷数据的结果相似度关系;基于第二电力负荷预测子模型,针对基准负荷值维度,学习历史电力负荷数据与基准负荷值的第一计算关系;基于第三电力负荷预测子模型,针对负荷增长率维度,学习历史电力负荷数据与负荷时序增长率的第二计算关系;基于数据融合模块学习历史电力负荷数据与每一电力负荷预测子模型的融合权重的对应关系。
-
公开(公告)号:CN117217822A
公开(公告)日:2023-12-12
申请号:CN202311478430.X
申请日:2023-11-08
Applicant: 北京东润环能科技股份有限公司
IPC: G06Q30/0202 , G06Q30/0601 , G06Q50/06 , G06F18/213 , G06F18/22
Abstract: 本发明实施例提供一种电力交易指数预测的方法、装置、终端设备及存储介质,属于数据处理领域。该方法包括:获取目标特征数据;计算目标特征数据与历史特征数据之间的相似度获得第一相似值,根据第一相似值确定相似特征数据;根据相似特征数据进行数据拟合获得目标预测日的第一预测均衡指数;将目标预测日经过回归预测模型进行预测,获得目标预测日的第二预测均衡指数;根据相似特征数据确定第一预测均衡指数和第二预测均衡指数对应的第一权重参数;根据第一权重参数、第一预测均衡指数以及第二预测均衡指数确定目标预测日对应的目标预测均衡指数。解决均衡指数预测结果与实际均衡指数偏差较大、准确率较低的问题,提高电力均衡指数预测的准确性。
-
公开(公告)号:CN117217822B
公开(公告)日:2024-02-13
申请号:CN202311478430.X
申请日:2023-11-08
Applicant: 北京东润环能科技股份有限公司
IPC: G06Q30/0202 , G06Q30/0601 , G06Q50/06 , G06F18/213 , G06F18/22
Abstract: 本发明实施例提供一种电力交易指数预测的方法、装置、终端设备及存储介质,属于数据处理领域。该方法包括:获取目标特征数据;计算目标特征数据与历史特征数据之间的相似度获得第一相似值,根据第一相似值确定相似特征数据;根据相似特征数据进行数据拟合获得目标预测日的第一预测均衡指数;将目标预测日经过回归预测模型进行预测,获得目标预测日的第二预测均衡指数;根据相似特征数据确定第一预测均衡指数和第二预测均衡指数对应的第一权重参数;根据第一权重参数、第一预测均衡指数以及第二预测均衡指数确定目标预测日对应的目标预测均衡指数。解决均衡指数预测结果与实际均衡指数偏差较大、准确率较低的问题,提高电力均衡指数预测的准确性。
-
公开(公告)号:CN116562398A
公开(公告)日:2023-08-08
申请号:CN202310842668.X
申请日:2023-07-11
Applicant: 北京东润环能科技股份有限公司
IPC: G06N20/00 , G06Q10/04 , G06Q10/067 , G06Q50/06 , H02J3/00
Abstract: 本申请提供电力负荷预测模型训练方法、预测方法、电子设备和介质,模型训练方法包括:获取历史电力负荷数据和历史气象数据;其中,历史气象数据和历史电力负荷数据时序对应;在训练过程中,基于第一电力负荷预测子模型,针对特征相似度维度学习历史气象数据之间的特征相似度关系和时序对应的历史电力负荷数据的结果相似度关系;基于第二电力负荷预测子模型,针对基准负荷值维度,学习历史电力负荷数据与基准负荷值的第一计算关系;基于第三电力负荷预测子模型,针对负荷增长率维度,学习历史电力负荷数据与负荷时序增长率的第二计算关系;基于数据融合模块学习历史电力负荷数据与每一电力负荷预测子模型的融合权重的对应关系。
-
公开(公告)号:CN116128566A
公开(公告)日:2023-05-16
申请号:CN202310349233.1
申请日:2023-04-04
Applicant: 北京东润环能科技股份有限公司
IPC: G06Q30/0202 , G06Q50/06 , G06N20/00
Abstract: 本申请提供一种价格的预测方法、装置、电子设备及存储介质,所述方法包括配置预先构建的参数文件中的参数并执行如下模型训练过程:基于经过配置的参数获取历史特征数据;计算每个与历史特征数据相关联的预设特征与历史特征数据中的历史价格之间的关联系数;基于多个关联系数和经过配置的参数,确定多个特征组;基于每个特征组和与其对应的历史特征数据,对预先构建的价格预测模型中的至少一个价格预测模型进行训练;基于待预测时间段及其对应的特征数据,采用满足预设训练截止条件的价格预测模型预测待预测时间段对应的价格,解决了现有技术中模型进行更新时,需学习的特征不随着影响因素的变化而改变的技术问题,提高了模型预测的准确度。
-
-
-
-