-
公开(公告)号：CN109598052B
公开(公告)日：2022-07-05
申请号：CN201811440265.8
申请日：2018-11-29
Applicant: 武汉大学
IPC: G06F30/00
Abstract: 本发明提供了一种基于相关系数分析的智能电表寿命周期预测方法及装置，通过基于相关系数分析的智能电表寿命周期预测方法根据单位影响因数、制造厂商影响因数以及故障类型影响因数为主要参数，并以神经网络算法作为参数训练辅助。该方法流程如下：首先，计算验证单位、电表厂商、故障原因三个因素的周期相关性；然后得到电表的预测更换周期的预测模型，初始化模型中出现的各项的值；之后采用启发式方法迭代搜索确定权重，使用基于神经网络算法的更新权重方式进行修正；最后设计预警模型。实现了对智能电表的寿命周期的准确预测以及更换预警的技术效果。
-
公开(公告)号：CN109359894A
公开(公告)日：2019-02-19
申请号：CN201811440074.1
申请日：2018-11-29
Applicant: 武汉大学
Abstract: 本发明提供了一种基于RPN的电力计量设备的风险评价方法及装置，其中的方法对现场计量设备的故障类型及参数、故障影响、故障原因的因素分析，主要涉及人员环境、系统功能、维修时间及维修费用四个方面的影响程度，然后构建基于AHP确定评价因素权重，最后进行电力计量设备的风险评价。同时，本发明的方法可以对电力计量设备的维修提供指导。解决了电力计量设备种类繁多、数量巨大、运行工况复杂，造成的评价结果不准确的问题。实现了提高评价结果的准确性以及实现风险等级划分的技术效果。
-
Patent Agency Ranking
公开(公告)号：CN109598052A
公开(公告)日：2019-04-09
申请号：CN201811440265.8
申请日：2018-11-29
Applicant: 武汉大学
IPC: G06F17/50
Abstract: 本发明提供了一种基于相关系数分析的智能电表寿命周期预测方法及装置，通过基于相关系数分析的智能电表寿命周期预测方法根据单位影响因数、制造厂商影响因数以及故障类型影响因数为主要参数，并以神经网络算法作为参数训练辅助。该方法流程如下：首先，计算验证单位、电表厂商、故障原因三个因素的周期相关性；然后得到电表的预测更换周期的预测模型，初始化模型中出现的各项的值；之后采用启发式方法迭代搜索确定权重，使用基于神经网络算法的更新权重方式进行修正；最后设计预警模型。实现了对智能电表的寿命周期的准确预测以及更换预警的技术效果。
-
公开(公告)号：CN109344967A
公开(公告)日：2019-02-15
申请号：CN201811013818.1
申请日：2018-08-31
Applicant: 武汉大学
Abstract: 本发明涉及一种基于人工神经网络的智能电表生命周期预测方法，采用人工神经网络算法以及相关系数分析的预测模型，流程如下：1.计算验证单位、电表厂商、故障原因三个因素的周期相关性。2.得到电表的预测更换周期的预测模型。3.初始化模型中出现的各项的值。4.采用启发式迭代搜索确定生命周期影响权重ω1,ω2，基于神经网络算法的更新权重方式进行修正。5.设计预警模型，当自动预警提醒时，则进行轮换处理。利用本发明的方法人工神经网络、数据挖掘等辅助技术,使得工作效率得到了大幅提高，提升了资源利用效率，具有实用性。例如：在智能电表预测模型的过程中，采用这种模型，可以准确预测智能电表的生命周期，为周期轮换系统提供可靠支持。
-
公开(公告)号：CN109344967B
公开(公告)日：2021-09-14
申请号：CN201811013818.1
申请日：2018-08-31
Applicant: 武汉大学
Abstract: 本发明涉及一种基于人工神经网络的智能电表生命周期预测方法，采用人工神经网络算法以及相关系数分析的预测模型，流程如下：1.计算验证单位、电表厂商、故障原因三个因素的周期相关性。2.得到电表的预测更换周期的预测模型。3.初始化模型中出现的各项的值。4.采用启发式迭代搜索确定生命周期影响权重ω1,ω2，基于神经网络算法的更新权重方式进行修正。5.设计预警模型，当自动预警提醒时，则进行轮换处理。利用本发明的方法人工神经网络、数据挖掘等辅助技术,使得工作效率得到了大幅提高，提升了资源利用效率，具有实用性。例如：在智能电表预测模型的过程中，采用这种模型，可以准确预测智能电表的生命周期，为周期轮换系统提供可靠支持。
-
公开(公告)号：CN109359894B
公开(公告)日：2021-07-06
申请号：CN201811440074.1
申请日：2018-11-29
Applicant: 武汉大学
Abstract: 本发明提供了一种基于RPN的电力计量设备的风险评价方法及装置，其中的方法对现场计量设备的故障类型及参数、故障影响、故障原因的因素分析，主要涉及人员环境、系统功能、维修时间及维修费用四个方面的影响程度，然后构建基于AHP确定评价因素权重，最后进行电力计量设备的风险评价。同时，本发明的方法可以对电力计量设备的维修提供指导。解决了电力计量设备种类繁多、数量巨大、运行工况复杂，造成的评价结果不准确的问题。实现了提高评价结果的准确性以及实现风险等级划分的技术效果。
-
公开(公告)号：CN109614997A
公开(公告)日：2019-04-12
申请号：CN201811440083.0
申请日：2018-11-29
Applicant: 武汉大学
Abstract: 本发明提供了一种基于深度学习的窃电风险预测方法及装置，针对传统窃电预测方法中存在的由于不了解配电网内部的拓扑结构而导致的不能定位窃电用户问题以及由于传统窃电预测方法中由于使用了非高效识别的特征导致窃电预测准确率低等问题提出了解决方案。预测方法首先利用低压用户日历史用电信息，进行用户日用电模式量的预测；其次，根据用户日近三天用电的用电因素分析，采用层次分析法，计算出用电异常率，最后，基于K-Means方法进行窃电等级划分。实现了提高预测准确性以及实现窃电等级划分的技术效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
