公开(公告)号：CN113240011B

公开(公告)日：2023-04-07

申请号：CN202110528781.1

申请日：2021-05-14

Applicant: 烟台海颐软件股份有限公司

Inventor： 于瑞强 ,  郇长武 ,  宋晓霞 ,  杜星学 ,  李锐 ,  徐国智 ,  董仁玮 ,  赵轩臣 ,  孙汉福 ,  刘效强 ,  赵勇

IPC: G06F18/241 ,  G06F18/2415 ,  G06F18/23 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明涉及数据处理领域，具体涉及一种深度学习驱动的异常识别与修复方法及智能化系统。包括以下步骤：S1：数据结构识别，S2：数据特征变换，S3：训练异常检测和修复神经网络，S4：异常数据识别与异常修复，S5：数据特征还原。采用深度学习方法，对每个特征使用双分量混合模型，其中一个分量用于解释干净单元(即正常值)，另一个分量用于解释异常单元(即异常值)；通过降低异常单元的影响来模拟潜在的正常数据分布，为数据单元提供异常值分数和对单元修复的估计；将变分自编码器和生成对抗网络两个深度生成模型进行结合，有利于生成更好的修复结果；最终实现利用无监督学习方式对混合属性数据进行cell‑level(单元级别)的异常识别及修复。

公开(公告)号：CN115271215A

公开(公告)日：2022-11-01

申请号：CN202210913740.9

申请日：2022-07-29

Applicant: 烟台海颐软件股份有限公司

Inventor： 宋晓霞 ,  郇长武 ,  胡电中 ,  董仁玮 ,  李锐 ,  梁洪明 ,  李星震 ,  杨欣毅

IPC: G06Q10/04 ,  G06Q50/06

Abstract: 本发明公开了一种短期电力负荷精细修正预测方法、系统、装置、介质，方法包括：利用训练好的平均负荷集成模型，对预测日每一段的平均负荷进行预测，得到预测日每一段的平均负荷的预测结果；利用训练好的时刻点负荷集成模型，对预测日各时刻点的负荷值进行预测，得到各时刻点初期的负荷预测结果；利用预测日每一段的平均负荷的预测结果对相应的预测日的初期负荷预测结果进行修正，得到预测日各时刻点的最终预测负荷结果。与人工确定系数相比，该修正方法更具有可解释性、智能性、降低了人工干预，对预测结果的修正更加精细准确。

公开(公告)号：CN115564129A

公开(公告)日：2023-01-03

申请号：CN202211285786.7

申请日：2022-10-20

Applicant: 烟台海颐软件股份有限公司

Inventor： 董仁玮 ,  刘刚 ,  郇长武 ,  胡电中 ,  杨欣毅 ,  宋晓霞 ,  李星震

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种基于ANN和迁移学习的节假日负荷预测方法，包括以下步骤：对预处理后的数据集进行特征工程操作形成全部负荷数据集，从全部负荷数据集中提取出节日负荷数据集和假日负荷数据集；采用ANN进行构建全数据源模型，并利用全部负荷训练数据集对全数据源模型进行训练；将全数据源模型作为预训练模型，对节日/假日负荷数据集进行训练，使用与全数据源模型相同的参数，得到最终节日/假日负荷训练模型；对预测日各时刻点的负荷值进行预测，得到预测日各时刻点负荷的预测结果。将节日负荷数据和假日负荷数据分别通过ANN进行节日预测和假日预测，可以更好的学习到节日和假日各自的特征，进而提升预测精度。

公开(公告)号：CN115564128A

公开(公告)日：2023-01-03

申请号：CN202211285777.8

申请日：2022-10-20

Applicant: 烟台海颐软件股份有限公司

Inventor： 李星震 ,  郇长武 ,  胡电中 ,  刘刚 ,  杨欣毅 ,  董仁玮 ,  宋晓霞

IPC: G06Q10/04 ,  G06Q50/06 ,  G06F16/215 ,  G06F16/2458 ,  G06F17/18

Abstract: 本发明属于负荷预测技术领域，具体涉及基于重过载概率统计和相似日的配变负载率修正预测方法。本发明通过统计近期各时刻点上负载率重过载的概率，获取存在重过载可能性的时刻点，专注修正存在重过载可能性的时刻点，提高修正效率；考虑到短期外界因素对负载率峰值的影响，借助预测日前一日的负载率曲线找到预测日的负载率相似日，然后根据预测日前一日和相似日的负载率峰值高度在存在重过载概率的时刻点对初始预测负载率曲线进行修正，提高了重过载部分的预测精度，解决了重过载漏判的问题。

公开(公告)号：CN113240011A

公开(公告)日：2021-08-10

申请号：CN202110528781.1

申请日：2021-05-14

Applicant: 烟台海颐软件股份有限公司

Inventor： 于瑞强 ,  郇长武 ,  宋晓霞 ,  杜星学 ,  李锐 ,  徐国智 ,  董仁玮 ,  赵轩臣 ,  孙汉福 ,  刘效强 ,  赵勇

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及数据处理领域，具体涉及一种深度学习驱动的异常识别与修复方法及智能化系统。包括以下步骤：S1：数据结构识别，S2：数据特征变换，S3：训练异常检测和修复神经网络，S4：异常数据识别与异常修复，S5：数据特征还原。采用深度学习方法，对每个特征使用双分量混合模型，其中一个分量用于解释干净单元(即正常值)，另一个分量用于解释异常单元(即异常值)；通过降低异常单元的影响来模拟潜在的正常数据分布，为数据单元提供异常值分数和对单元修复的估计；将变分自编码器和生成对抗网络两个深度生成模型进行结合，有利于生成更好的修复结果；最终实现利用无监督学习方式对混合属性数据进行cell‑level(单元级别)的异常识别及修复。