-
公开(公告)号：CN114132670A
公开(公告)日：2022-03-04
申请号：CN202111489784.5
申请日：2021-12-08
Applicant: 海南电网有限责任公司文昌供电局
Abstract: 本发明提供一种供电所工器具进出库管理装置，包括上位机、U型输送带、RFID读写机构、工器具箱、进出库机构以及使用调整机构，RFID读写机构包括龙门架、读写器以及RFID标签，进出库机构包括连接杆、电动推杆以及推板，使用调整机构包括电动转台以及转盘，将工器具置于U型输送带上可以实现工器具的进出库，并通过读写器识别RFID标签后进行进出库记录，同时上位机可以对工器具的使用时长和使用次数进行记录，在对工器具进行出库时，可以将使用较少的工器具进行出库，从而实现同一种类的工器具的平均使用，以便于在同一时间进行维修或更换，降低供电所的使用成本。
-
公开(公告)号：CN119921305A
公开(公告)日：2025-05-02
申请号：CN202411992953.0
申请日：2024-12-31
Applicant: 海南电网有限责任公司
IPC: H02J3/00 , G06N5/022 , G06N5/025 , G06F16/29 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06N3/0985
Abstract: 本申请提供一种结合知识图谱的电网母线负荷智能分析预测方法，包括：S1：收集与电网母线负荷相关的数据，对与电网母线负荷相关的各种数据进行时间和空间的匹配；S2：对与电网母线负荷相关的数据进行知识抽取；S3：根据上述确定的各实体以及实体之间的关系搭建知识图谱框架；S4：根据知识图谱中的知识，选择用于预测母线负荷的特征、融合处理，得到输入特征集；S5：构建深度学习模型并将输入特征集划分为训练集和测试集，用于对深度学习模型进行训练和测试；S6：利用训练好的深度学习模型，结合当前的输入特征对电网母线负荷进行预测。将这些不同来源的数据进行有效整合，丰富数据信息，从而缓解数据稀疏问题，提高模型预测精度。
-
Patent Agency Ranking
公开(公告)号：CN119651532A
公开(公告)日：2025-03-18
申请号：CN202411439632.8
申请日：2024-10-15
Applicant: 海南电网有限责任公司
Abstract: 本申请提供一种节假日旅游高峰时期的母线负荷预测方法，包括：采集进入某地区和离开某地区的历史旅客数据和母线负荷历史数据；对采集的数据进行预处理，计算出每天旅客变化量，计算出每天母线负荷变化量；将旅客变化量和对应的母线负荷变化量划分为训练集和验证集；构建第一神经网络模型，并采用训练集对第一神经网络模型进行训练，调整模型的隐藏层权重参数；采用验证集对训练好的模型进行验证；如验证通过则输出第一达标模型，用于进行该地区旅游高峰期的母线负荷变化预测；如验证不通过则返回步骤S3重新划分数据集后再进行训练；采集并预测旅客变化量，并输入第一达标模型进行计算预测电网母线负荷的变化量，根据变化量便进一步计算出电网的母线负荷。
-
公开(公告)号：CN119602216A
公开(公告)日：2025-03-11
申请号：CN202411439656.3
申请日：2024-10-15
Applicant: 海南电网有限责任公司
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06F18/20 , G06F18/2131 , G06N3/0442 , G06N3/084 , G06F123/02
Abstract: 本申请提供一种基于气象因素和小波变换的LSTM负荷预测方法，包括：采集电力负荷和气象历史数据并进行预处理；对预处理后的负荷数据进行小波变换分解，得到若干不同频率的负荷分量；将分解得到的每一个负荷分量以及对应时间尺度的气象数据，分别划分为训练集和测试集；根据负荷分量构建LSTM预测模型，有针对性地通过提取训练集数据中的时序特征进行训练；采用测试集数据对训练好的LSTM预测模型进行测试；使用训练好的LSTM预测模型对每一个负荷分量进行连续时间段的预测；进行负荷预测数据重构，以得到完整的逐时负荷预测结果。通过原负荷数据进行分解为若干分量，再根据各分量来进行预测，本方案的预测精度也更高。
-
公开(公告)号：CN119921306A
公开(公告)日：2025-05-02
申请号：CN202411992958.3
申请日：2024-12-31
Applicant: 海南电网有限责任公司
Abstract: 本申请提供一种基于亚热带季风气候特性的电网母线负荷预测方法，包括：S1：进行历史数据的收集与预处理；S2：提取时间和气象相关的特征并进行编码，并与负荷数据进行对应关联；S3：提取时间和气象特征进行交互强化，创建时间‑气象交互特征；S4：提取气象特征后生成气象拓展特征；S5：构建机器学习模型，同时将上述各特征随机分成训练集、验证集和测试集，用于对机器学习模型进行训练、验证和测试，以获得用于对电网母线的负荷预测模型；S6：将负荷预测模型用于对电网母线的负荷进行预测。时间‑气象交互特征能够捕捉到在不同时间周期下气象因素对电网母线负荷的复杂影响，从而更精准地预测母线负荷。
-
公开(公告)号：CN119921304A
公开(公告)日：2025-05-02
申请号：CN202411992952.6
申请日：2024-12-31
Applicant: 海南电网有限责任公司
IPC: H02J3/00 , G06F16/29 , G06Q50/06 , G06N3/0499 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/045
Abstract: 本申请提供一种台风极端天气中母线负荷的预测方法，包括：获得台风极端天气的待预测周期、气象预报指标；获得历年台风出现日期和历史气象指标、母线负荷数据；确定与待预测周期气象相似度最大的第一周期；对第一周期气象指标和负荷数据进行增强以获得第一数据集；对第一数据集中气象指标与负荷数据进行相关性分析以形成第二数据集；构建多层感知机模型，并将第二数据集用于对所述多层感知机模型进行训练、验证和测试；输入气象预报指标，对母线负荷进行预测。一方面通过增加获得与待预测周期的气象指标相似的指标数据，同时一方面又通过指标的筛选，以选择关键的指标，不但可以增加预测精度，而且可以防止计算量的增加。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
