-
公开(公告)号：CN118536009B
公开(公告)日：2024-10-11
申请号：CN202410996320.0
申请日：2024-07-24
Applicant: 湖北华中电力科技开发有限责任公司
IPC: G06F18/243 , G06F18/2321 , G06F18/22 , G06F18/2433 , G06F18/241
Abstract: 本发明涉及人工智能技术领域，更具体地，本发明涉及基于生成式人工智能的电力数据模型构建方法及系统。其中方法包括：采集电力负荷数据；确定各时段每个数据点的异常概率，并且进行聚类，得到多个的聚类簇；根据聚类簇中的数据点的异常概率判断聚类簇是否为异常聚类簇；计算合适程度系数；通过合适程度系数的最小值确定目标输入长度；通过电力数据处理模型对所述电力负荷数据进行处理，以将异常数据替换。本发明通过数据的本身的波动程度和通过异常算法识别到的异常数据的长度得到最适合模型所处理的数据的输入数据长度，使模型对输入数据进行补全（即把异常数据替换为生成数据），得到的输出数据更准确。
-
Patent Agency Ranking
公开(公告)号：CN119557795A
公开(公告)日：2025-03-04
申请号：CN202411482397.2
申请日：2024-10-23
Applicant: 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC: G06F18/2433 , G06F18/23213 , G06Q50/06
Abstract: 本发明提供一种时序聚类模型R‑kshape用于异常电量检测的方法，包括：获取数据集，所述数据集包括：机组ID，日期，时刻，上网电量；对获取的数据集进行数据预处理，所述预处理包括缺失值处理、删除零点电量的数据以及重排序；对进行预处理后的数据集进行特征工程，构建衍生变量；基于构建的衍生变量建立R‑kshape模型，所述R‑kshape模型由规则策略和kshape通过逻辑关联融合而成；基于构建的R‑kshape模型进行异常电量检测。本发明以时序聚类算法Kshape为基础，融合了规则策略(Rule)而成一种全新改进模型，所需样本数量少，同时对比纯规则、纯聚类的异常电量检测，有着更精准更高效的识别效果。
-
公开(公告)号：CN117056848A
公开(公告)日：2023-11-14
申请号：CN202311302087.3
申请日：2023-10-10
Applicant: 湖北华中电力科技开发有限责任公司
IPC: G06F18/2433 , G06F18/27
Abstract: 本发明涉及电力系统监测数据质量分析领域，具体公开一种用于提升电力系统决策的监测数据质量分析方法，本发明通过对区域的原始电力数据进行异常值检测处理，进一步根据区域的历史电力数据、经济数据、人口数据和发电设备数据，对区域的原始电力数据依次进行一次校正和二次校正，得到区域的预估电力数据趋势曲线并进行下一步分析，通过对原始电力数据依次进行内部数据间的对比、历史数据间的对比和关联数据间的对比，实现原始电力数据的校准优化；结合区域的预估用电量趋势曲线和预估发电量趋势曲线，判断区域的供电能力是否满足负荷需要，并进行反馈，从而提高地区电力系统决策的准确性和可靠性。
-
公开(公告)号：CN118536009A
公开(公告)日：2024-08-23
申请号：CN202410996320.0
申请日：2024-07-24
Applicant: 湖北华中电力科技开发有限责任公司
IPC: G06F18/243 , G06F18/2321 , G06F18/22 , G06F18/2433 , G06F18/241
Abstract: 本发明涉及人工智能技术领域，更具体地，本发明涉及基于生成式人工智能的电力数据模型构建方法及系统。其中方法包括：采集电力负荷数据；确定各时段每个数据点的异常概率，并且进行聚类，得到多个的聚类簇；根据聚类簇中的数据点的异常概率判断聚类簇是否为异常聚类簇；计算合适程度系数；通过合适程度系数的最小值确定目标输入长度；通过电力数据处理模型对所述电力负荷数据进行处理，以将异常数据替换。本发明通过数据的本身的波动程度和通过异常算法识别到的异常数据的长度得到最适合模型所处理的数据的输入数据长度，使模型对输入数据进行补全（即把异常数据替换为生成数据），得到的输出数据更准确。
-
公开(公告)号：CN117056848B
公开(公告)日：2023-12-29
申请号：CN202311302087.3
申请日：2023-10-10
Applicant: 湖北华中电力科技开发有限责任公司
IPC: G06F18/2433 , G06F18/27
Abstract: 本发明涉及电力系统监测数据质量分析领域，具体公开一种用于提升电力系统决策的监测数据质量分析方法，本发明通过对区域的原始电力数据进行异常值检测处理，进一步根据区域的历史电力数据、经济数据、人口数据和发电设备数据，对区域的原始电力数据依次进行一次校正和二次校正，得到区域的预估电力数据趋势曲线并进行下一步分析，通过对原始电力数据依次进行内部数据间的对比、历史数据间的对比和关联数据间的对比，实现原始电力数据的校准优化；结合区域的预估用电量趋势曲线和预估发电量趋势曲线，判断区域的供电能力是否满足负荷需要，并进行反馈，从而提高地区电力系统决策的(56)对比文件杜鹏;申永成;张晓磊.电网规划负荷预测方法的研究.科技创新与应用.2014,(第01期),全文.谢谦.电力负荷预测方法在配网规划中的应用.科技风.2015,(第24期),全文.
-
公开(公告)号：CN119539029A
公开(公告)日：2025-02-28
申请号：CN202411482520.0
申请日：2024-10-23
Applicant: 湖北华中电力科技开发有限责任公司 , 国网湖北省电力有限公司
IPC: G06N3/098 , H02J3/00 , G06N3/0442 , G06F30/27 , G06Q50/06
Abstract: 本发明提供一种面向电力系统暂态稳定性的自适应个性化联邦学习方法，包括：利用PSASP电力系统仿真软件生成电力系统仿真数据；数据标准化数据集进行划分；基于处理后的数据构建基础模型LSTM；基于基础模型LSTM进行自适应个性化联邦学习，得到练完成后的个性化模型；将实际电力系统数据作为个性化模型的输入，验证个性化模型的准确性和实用性。本发明允许每个客户端根据不同电力部门数据的独特性，训练出与其数据分布相匹配的个性化模型，增强了模型对本地电网暂态稳定性的预测准确性；通过在多个客户端上并行进行模型训练，有效利用了分布式计算资源，提高了整体训练效率和处理大规模数据集的能力。
-
-
-
-
-
Search Results
6
records
(took 0.037 seconds)
