-
公开(公告)号：CN111311431A
公开(公告)日：2020-06-19
申请号：CN202010061423.X
申请日：2020-01-19
Applicant: 国网福建省电力有限公司经济技术研究院 , 国网福建省电力有限公司
Abstract: 本发明涉及一种基于分段斜率的负荷曲线形态聚类方法，包括以下步骤：步骤S1：对智能电表的负荷分布进行采样，并对采样得到的负荷曲线进行特征处理；步骤S2：确定聚类的初始条件，根据负荷曲线数据来确定最优的k个初始聚类中心；步骤S3：对各个负荷曲线，基于斜率进行形态相似性度量，并以此进行最终的聚类。本发明仅根据负荷曲线数据来确定分类组数和初始聚类中心，提高了电力系统中负荷聚类结果的稳定性和准确度。
-
Patent Agency Ranking
公开(公告)号：CN108717585A
公开(公告)日：2018-10-30
申请号：CN201810453676.4
申请日：2018-05-14
Applicant: 国网福建省电力有限公司 , 国网福建省电力有限公司经济技术研究院 , 国网福建省电力有限公司电力科学研究院
Abstract: 本发明涉及一种远期电力需求预测方法。该方法明确了不同发展阶段经济社会、电力需求关键指标的发展趋势，采用协整模型对远期电力需求进行预测。本发明预测方法首先通过横向对比确定关键指标的发展趋势，确定影响电力需求增长的关键指标，基于Eviews对关键指标进行平稳性检验，剔除不满足协整检验的指标，然后进行Johansen协整检验，确定协整关系并进行Granger因果检验，最后构建协整模型，预测关键指标，基于长期均衡关系预测远期电力需求，判断地区工业化发展未来趋势。本发明预测方法为预测地区远期电力需求、判断地区经济和工业未来发展提供了新的途径，具有很好的使用价值。
-
公开(公告)号：CN110929843A
公开(公告)日：2020-03-27
申请号：CN201911040739.4
申请日：2019-10-29
Applicant: 国网福建省电力有限公司 , 国网福建省电力有限公司经济技术研究院 , 国网福建省电力有限公司电力科学研究院
Abstract: 本发明涉及一种基于改进深度自编码网络的异常用电行为辨识方法，将用户的用电数据作为训练样本，由自编码网络逐层自动地学习数据的有效特征，并以网络参数的形式保存。为了改善自编码网络的特征提取能力与鲁棒性，分别引入稀疏项限制和噪声编码，并利用粒子群算法对网络的超参数进行自适应的选取以提高模型的学习效率和泛化能力。当测试样本存在异常用电行为时，用电数据的特征规则遭到破坏，因此自编码网络对异常数据重构将产生较大的误差，以此判定是否存在异常行为。改进的深度自编码网络可实现无监督异常用电行为的辨识，且具有检测准确度高、训练时间短和鲁棒性强等优点。
-
公开(公告)号：CN110197337A
公开(公告)日：2019-09-03
申请号：CN201910486053.1
申请日：2019-06-05
Applicant: 国网福建省电力有限公司经济技术研究院
Abstract: 本发明涉及一种电网企业经济活动量化分析方法及系统，其特征在于，包括以下内容：1)根据输配电价改革、售电侧改革和增量配电三个方面，构建经济活动分析量化指标体系；2)根据构建的经济活动分析量化指标体系，确定经济活动分析量化指标的数据需求；3)根据确定的经济活动分析量化指标的数据需求，采集相应数据；4)根据采集的数据，计算经济活动分析量化指标体系的经济活动指标值，进而开展业务分析，本发明可以广泛应用于电网企业中。
-
公开(公告)号：CN111311431B
公开(公告)日：2022-05-13
申请号：CN202010061423.X
申请日：2020-01-19
Applicant: 国网福建省电力有限公司经济技术研究院 , 国网福建省电力有限公司
Abstract: 本发明涉及一种基于分段斜率的负荷曲线形态聚类方法，包括以下步骤：步骤S1：对智能电表的负荷分布进行采样，并对采样得到的负荷曲线进行特征处理；步骤S2：确定聚类的初始条件，根据负荷曲线数据来确定最优的k个初始聚类中心；步骤S3：对各个负荷曲线，基于斜率进行形态相似性度量，并以此进行最终的聚类。本发明仅根据负荷曲线数据来确定分类组数和初始聚类中心，提高了电力系统中负荷聚类结果的稳定性和准确度。
-
公开(公告)号：CN107748938A
公开(公告)日：2018-03-02
申请号：CN201711075768.5
申请日：2017-11-06
Applicant: 国网福建省电力有限公司 , 国家电网公司 , 国网福建省电力有限公司经济技术研究院
CPC classification number: G06Q10/04 , G06Q10/06315 , G06Q50/06
Abstract: 本发明涉及一种基于向量自回归模型的电力需求预测方法。步骤一、收集目待预测地区（国家、省或城市）的经济数据和电力需求数据；步骤二、并对数据进行整理清洗，存入数据库；步骤三、定义需要预测的时间周期及数据的最小时间间隔，并对相应的数据，进行对数化处理；步骤四、针对处理后的4列数据（固定资产投资、社会消费品零售总额、净出口贸易总额、电力需求）进行平稳性检验；步骤五、构建基于向量自回归模型方程；步骤六、利用AIC赤池信息量准则和SIC施瓦茨准则来确定模型的滞后阶数；步骤七、修正并使用基于向量自回归模型来对电力需求进行预测。本发明具有较强的泛化能力、预测精度较高等特点。
-
-
-
-
-
Search Results
6
records
(took 0.03 seconds)
