CN105809277A - 一种电力营销稽查精益化管控主题大数据预测方法 - Google Patents
一种电力营销稽查精益化管控主题大数据预测方法 Download PDFInfo
- Publication number
- CN105809277A CN105809277A CN201610121844.0A CN201610121844A CN105809277A CN 105809277 A CN105809277 A CN 105809277A CN 201610121844 A CN201610121844 A CN 201610121844A CN 105809277 A CN105809277 A CN 105809277A
- Authority
- CN
- China
- Prior art keywords
- theme
- forecast
- data
- model
- decision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000007689 inspection Methods 0.000 title claims abstract description 16
- 238000007670 refining Methods 0.000 title abstract 2
- 238000004458 analytical method Methods 0.000 claims abstract description 28
- 238000005065 mining Methods 0.000 claims abstract description 7
- 230000005611 electricity Effects 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000007418 data mining Methods 0.000 claims description 6
- 238000003066 decision tree Methods 0.000 claims description 6
- 238000003909 pattern recognition Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000011161 development Methods 0.000 claims description 4
- 241000414967 Colophon Species 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000003556 assay Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 230000007935 neutral effect Effects 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种电力营销稽查精益化管控主题大数据预测方法，涉及预测方法。电力营销全业务过程管控常出现预测不全面的问题，从而影响最终的决策，增大电力营销的风险。本发明包括以下步骤：对电力业务系统的数据开展挖掘分析，形成基础数据；根据得到的基础数据，建立预测分析模型以对业务问题预测，并及时解决问题；根据不同的预测分析模型对业务问题进行预测分析计算，实现对业务问题的预测定位测试，形成主题预测策略；通过统一的主题库管理流程，对所有主题进行版本化管理。本技术方案通过对营销业务海量数据的层层挖掘，缩短决策制定时间，提高决策能力，提升业务工作质量。
Description
技术领域
本发明涉及预测方法，尤其指一种电力营销稽查精益化管控主题大数据预测方法。
背景技术
在电力企业的运营和日常生产过程中，电力营销在营销市场占据着相当重要的地位，为了保证电力营销的合理运作，就必须采取相应的措施对其进行管制，而电力营销全业务过程管控就是维持电力营销行业规范正常运作，以及使得电力营销效率有效提高的重要途径。随着各种营销手段的不断出台，对于电力营销全业务过程管控工作也带来了新的挑战和要求，常出现预测不全面的问题，从而影响最终的决策，增大电力营销的风险。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供一种电力营销稽查精益化管控主题大数据预测方法，以提高决策准确性的目的。为此，本发明采取以下技术方案。
一种电力营销稽查精益化管控主题大数据预测方法，其特征在于包括以下步骤：
1）对电力业务系统的数据开展挖掘分析，形成基础数据，以针对预测指标在不同时间单位，建立预测决策模型库，预测决策模型库设有自定义参数，以定义各种新的预测决策模型；电力业务系统包括营销业务应用系统、用电采集系统、营配贯通平台；预测指标包括电量、电费、电能采集、资产管理、业扩报装；时间单位包括年度、季度、月度；
2）根据得到的基础数据，建立预测分析模型以对业务问题预测，并及时解决问题；预测分析模型包括基于神经网络算法、遗传算法、决策树方法、统计分析方法、模糊集方法的预测分析模型；
3）根据不同的预测分析模型对业务问题进行预测分析计算，并对基于不同预测分析模型计算获得的数据进行比较后，进行综合分析，得出最终的预测结果，预测问题发生概率，形成预测主题，实现对业务问题的预测定位测试，形成主题预测策略；
4）通过统一的主题库管理流程，对所有主题进行版本化管理，从系统主题预测或业务部门提出需求、部署应用再到调整注销，对每次主题的变更做版本记录，建立主题的全寿命周期管理，为后续分析提供数据支撑；同时对同一问题发生差错前设立预警主题，发生差错后设置稽查主题，并建立相应的勾稽关系，为后续的预警处理有效率分析及考核评定做数据支撑，为营销全业务过程管控的大数据分析奠定基础。
本技术方案中，使用户可以自定义预测决策模中的参数，可定义各种新的预测决策模型，为用户提供充分的空间，将人的经验与计算机有机结合，保证预测决策的精确性。通过对计量采集、抄核收、客户服务、业扩报装等海量业务数据进行挖掘分析，预测存在或即将发生的问题，形成相应的主题库，同时把所发现的问题及时的反馈给相关管理人员或者企业的管理部门，及时的对出现的问题加以改正，进而避免电力营销风险的产生。
作为对上述技术方案的进一步完善和补充，本发明还包括以下附加技术特征。
在步骤1）之前，需对大数据进行挖掘分析，在大量的业务系统数据中通过算法搜索隐藏于其中的有效信息，并通过统计、在线分析处理、情报检索、机器学习、专家系统和模式识别的方法实现主题预测。
预测决策模型分为初级模型、常规预测模型、专用模型三类，以根据电力业务分析人员的实践经验，针对电量、电费、电能采集、资产管理、业扩报装的预测指标在年度、季度、月度不同的时间单位上得到预测决策模型。
建立不同预测分析模型的主题预测算法，主题预测算法包括：
利用神经网络本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性，开展适合解决数据挖掘的主题问题，并建立分类、预测和模式识别的前馈式神经网络模型；
建立隐含并行性、易于和其它模型结合的随机搜索算法；
通过将大量数据有目的分类，从中找到一些有价值的，潜在的信息，构建描述简单，分类速度快，适合大规模的数据处理决策树模型。
在步骤3）中，对电量、负荷、业扩时限的序列量的预测决策时，将不同种预测决策模型进行有机的组合，形成综合模型；以形成对电量、负荷发展自然规律的更贴切或完备的描述，提高预测决策的精度。
有益效果：本技术方案通过对营销业务海量数据的层层挖掘，对管控点进行层层细化，不断提高自动数据分析能力，预测问题发生概率，形成预测主题，为管理层层提供不同纬度的业务数据，大大缩短决策制定时间，提高决策能力。同时通过营销全业务的主题预测和管控，对各级业务人员进行层层把关，层层落实，通过责任认定和考核制度不断提高工作质量，将异常差错提前遏制在电费出门前，有效降低用户的投诉率，提升业务工作质量。
附图说明
图1是本发明工作流程原理图。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。
如图1所示，本发明按如下步骤进行：
S1：根据电力业务分析人员的实践经验，针对电量、电费、电能采集、资产管理、业扩报装等预测指标在年度、季度、月度等不同的时间单位上总结出一些独有的预测决策模型；建立预测决策模型库，使用户可以自定义预测决策模中的参数，可定义各种新的预测决策模型，为用户提供充分的空间，将人的经验与计算机有机结合，保证预测决策的精确性；
S2：通过对营销业务系统、用电采集系统、营配贯通平台等电力业务系统的数据挖掘，通过相应的预测算法，最终进行业务问题预测，并及时解决问题；
S3：针对电力业务分析人员的实践经验，总结出一些独有的预测决策模型，如模式分解预测决策法等；预测决策人员可以结合具体情况灵活选用较为合适的预测决策方法，对多种方法的预测结果互为比较，再进行合理的综合分析，得出最终的预测结果；
S4：通过统一的主题库管理流程，对所有主题进行版本化管理，从系统主题预测或业务部门提出需求、部署应用再到调整注销，对每次主题的变更做版本记录，建立主题的全寿命周期管理，为后续分析提供数据支撑；同时对同一问题发生差错前设立预警主题，发生差错后设置稽查主题，并建立相应的勾稽关系，为后续的预警处理有效率分析及考核评定做数据支撑，为营销全业务过程管控的大数据分析奠定基础。
进一步的，在步骤S1之前，还包括大数据挖掘分析技术的研究，从大量的业务系统数据中通过算法搜索隐藏于其中的有效信息，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现主题预测。主要有以下几种分类：估计、预测、相关性分组或关联规则、聚类、复杂数据类型挖掘等。
进一步的，在步骤S1中，电力营销业务主题预测模型可以分为初级模型、常规预测模型、专用模型三类，根据电力业务分析人员的实践经验，针对电量、电费、电能采集、资产管理、业扩报装等预测指标在年度、季度、月度等不同的时间单位上总结出一些独有的预测决策模型。
进一步的，在步骤S2中，需建立不同的主题预测算法，主要包括：
（A）利用神经网络本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性，开展适合解决数据挖掘的主题问题，并建立分类、预测和模式识别的前馈式神经网络模型；
（B）建立隐含并行性、易于和其它模型结合的随机搜索算法；
（C）通过将大量数据有目的分类，从中找到一些有价值的，潜在的信息，构建描述简单，分类速度快，适合大规模的数据处理决策树模型。
进一步的，在步骤S3中，对于电量、负荷、业扩时限等序列量的预测决策，预测决策人员可选择的模型是多种多样的。数学模型理想而抽象，负荷发展的自然规律很难用单一数学模型加以描述，且单一的预测决策模型精度都不高。无论是从预测决策人员方便地选择模型的角度，还是为了提高预测决策的精度，都需要研究如何将不同种模型进行有机的组合，即综合模型，才能形成对电量、负荷发展自然规律的更贴切或完备的描述，提高预测决策的精度。
电力营销稽查精益化管控主题大数据预测方法的主题预测方法图，主要步骤包括：
S101：对营销业务应用系统、用电采集系统、营配贯通平台等电力业务系统的数据开展挖掘分析，形成基础数据。
S102：根据数据挖掘分析结果数据，建立神经网络算法、遗传算法、决策树方法、统计分析方法、模糊集方法等分析模型。
S103：开展业务问题预测定位测试，形成主题预测策略。
以上图1所示的一种电力营销稽查精益化管控主题大数据预测方法是本发明的具体实施例，已经体现出本发明实质性特点和进步，可根据实际的使用需要，在本发明的启示下，对其进行形状、结构等方面的等同修改，均在本方案的保护范围之列。
Claims (5)
1.一种电力营销稽查精益化管控主题大数据预测方法，其特征在于包括以下步骤：
1)对电力业务系统的数据开展挖掘分析，形成基础数据，以针对预测指标在不同时间单位，建立预测决策模型库，预测决策模型库设有自定义参数，以定义各种新的预测决策模型；电力业务系统包括营销业务应用系统、用电采集系统、营配贯通平台；预测指标包括电量、电费、电能采集、资产管理、业扩报装；时间单位包括年度、季度、月度；
2)根据得到的基础数据，建立预测分析模型以对业务问题预测，并及时解决问题；预测分析模型包括基于神经网络算法、遗传算法、决策树方法、统计分析方法、模糊集方法的预测分析模型。
3)根据不同的预测分析模型对业务问题进行预测分析计算，并对基于不同预测分析模型计算获得的数据进行比较后，进行综合分析，得出最终的预测结果，预测问题发生概率，形成预测主题，实现对业务问题的预测定位测试，形成主题预测策略；
4)通过统一的主题库管理流程，对所有主题进行版本化管理，从系统主题预测或业务部门提出需求、部署应用再到调整注销，对每次主题的变更做版本记录，建立主题的全寿命周期管理，为后续分析提供数据支撑；同时对同一问题发生差错前设立预警主题，发生差错后设置稽查主题，并建立相应的勾稽关系，为后续的预警处理有效率分析及考核评定做数据支撑，为营销全业务过程管控的大数据分析奠定基础。
2.根据权利要求1所述的一种电力营销稽查精益化管控主题大数据预测方法，其特征在于：在步骤1）之前，需对大数据进行挖掘分析，在大量的业务系统数据中通过算法搜索隐藏于其中的有效信息，并通过统计、在线分析处理、情报检索、机器学习、专家系统和模式识别的方法实现主题预测。
3.根据权利要求1所述的一种电力营销稽查精益化管控主题大数据预测方法，其特征在于：预测决策模型分为初级模型、常规预测模型、专用模型三类，以根据电力业务分析人员的实践经验，针对电量、电费、电能采集、资产管理、业扩报装的预测指标在年度、季度、月度不同的时间单位上得到预测决策模型。
4.根据权利要求1所述的一种电力营销稽查精益化管控主题大数据预测方法，其特征在于：在步骤2）中，建立不同预测分析模型的主题预测算法，主题预测算法包括：
利用神经网络本身良好的鲁棒性、自组织自适应性、并行处理、分布存储和高度容错等特性，开展适合解决数据挖掘的主题问题，并建立分类、预测和模式识别的前馈式神经网络模型；
建立隐含并行性、易于和其它模型结合的随机搜索算法；
通过将大量数据有目的分类，从中找到一些有价值的，潜在的信息，构建描述简单，分类速度快，适合大规模的数据处理决策树模型。
5.根据权利要求1所述的一种电力营销稽查精益化管控主题大数据预测方法，其特征在于：在步骤3）中，对电量、负荷、业扩时限的序列量的预测决策时，将不同种预测决策模型进行有机的组合，形成综合模型；以形成对电量、负荷发展自然规律的更贴切或完备的描述，提高预测决策的精度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610121844.0A CN105809277A (zh) | 2016-03-03 | 2016-03-03 | 一种电力营销稽查精益化管控主题大数据预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610121844.0A CN105809277A (zh) | 2016-03-03 | 2016-03-03 | 一种电力营销稽查精益化管控主题大数据预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105809277A true CN105809277A (zh) | 2016-07-27 |
Family
ID=56466080
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610121844.0A Pending CN105809277A (zh) | 2016-03-03 | 2016-03-03 | 一种电力营销稽查精益化管控主题大数据预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105809277A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106600453A (zh) * | 2016-11-16 | 2017-04-26 | 国网上海市电力公司 | 一种电力系统营销业务用管控系统及其应用 |
| CN106651093A (zh) * | 2016-09-22 | 2017-05-10 | 国网上海市电力公司 | 一种用于低压集抄系统的智能复核管控方法 |
| CN107203910A (zh) * | 2017-05-27 | 2017-09-26 | 科技谷（厦门）信息技术有限公司 | 一种大数据智能精准营销系统 |
| CN109214719A (zh) * | 2018-11-02 | 2019-01-15 | 广东电网有限责任公司 | 一种基于人工智能的营销稽查分析的系统和方法 |
| CN109359785A (zh) * | 2018-11-30 | 2019-02-19 | 安徽四创电子股份有限公司 | 基于大数据的强制隔离戒毒解除人员复吸预测分析系统 |
| CN109523145A (zh) * | 2018-11-02 | 2019-03-26 | 苏州电力设计研究院有限公司 | 电力设计质量管控平台 |
| CN110378808A (zh) * | 2019-07-24 | 2019-10-25 | 广东电网有限责任公司 | 一种基于基因重组及特征聚类的电力营销稽查方法及系统 |
| CN110727910A (zh) * | 2019-09-25 | 2020-01-24 | 深圳供电局有限公司 | 一种抄核收风险预测及业务联动的实现方法和系统 |
| CN111144632A (zh) * | 2019-12-19 | 2020-05-12 | 深圳供电局有限公司 | 一种电力储备物资的预测管控模型 |
| CN114064794A (zh) * | 2021-12-01 | 2022-02-18 | 国网辽宁省电力有限公司葫芦岛供电公司 | 一种基于大数据技术的业扩报装档案挖掘分析方法 |
-
2016
- 2016-03-03 CN CN201610121844.0A patent/CN105809277A/zh active Pending
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106651093A (zh) * | 2016-09-22 | 2017-05-10 | 国网上海市电力公司 | 一种用于低压集抄系统的智能复核管控方法 |
| CN106600453A (zh) * | 2016-11-16 | 2017-04-26 | 国网上海市电力公司 | 一种电力系统营销业务用管控系统及其应用 |
| CN107203910A (zh) * | 2017-05-27 | 2017-09-26 | 科技谷（厦门）信息技术有限公司 | 一种大数据智能精准营销系统 |
| CN109214719A (zh) * | 2018-11-02 | 2019-01-15 | 广东电网有限责任公司 | 一种基于人工智能的营销稽查分析的系统和方法 |
| CN109523145A (zh) * | 2018-11-02 | 2019-03-26 | 苏州电力设计研究院有限公司 | 电力设计质量管控平台 |
| CN109214719B (zh) * | 2018-11-02 | 2021-07-13 | 广东电网有限责任公司 | 一种基于人工智能的营销稽查分析的系统和方法 |
| CN109359785A (zh) * | 2018-11-30 | 2019-02-19 | 安徽四创电子股份有限公司 | 基于大数据的强制隔离戒毒解除人员复吸预测分析系统 |
| CN110378808A (zh) * | 2019-07-24 | 2019-10-25 | 广东电网有限责任公司 | 一种基于基因重组及特征聚类的电力营销稽查方法及系统 |
| CN110727910A (zh) * | 2019-09-25 | 2020-01-24 | 深圳供电局有限公司 | 一种抄核收风险预测及业务联动的实现方法和系统 |
| CN110727910B (zh) * | 2019-09-25 | 2024-01-23 | 深圳供电局有限公司 | 一种抄核收风险预测及业务联动的实现方法和系统 |
| CN111144632A (zh) * | 2019-12-19 | 2020-05-12 | 深圳供电局有限公司 | 一种电力储备物资的预测管控模型 |
| CN114064794A (zh) * | 2021-12-01 | 2022-02-18 | 国网辽宁省电力有限公司葫芦岛供电公司 | 一种基于大数据技术的业扩报装档案挖掘分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105809277A (zh) | 一种电力营销稽查精益化管控主题大数据预测方法 | |
| CN104008430B (zh) | 一种构建拟境挖掘动态智能负荷预测模型的方法 | |
| Liu et al. | Optimization and profit distribution in a two-echelon collaborative waste collection routing problem from economic and environmental perspective | |
| CN108197737A (zh) | 一种建立医保住院费用预测模型的方法及系统 | |
| Suo et al. | Multicriteria decision making under uncertainty: An advanced ordered weighted averaging operator for planning electric power systems | |
| CN102708149A (zh) | 数据质量管理方法和系统 | |
| Danish et al. | Shaping the future of sustainable energy through AI-enabled circular economy policies | |
| CN104252652A (zh) | 电力系统中空间负荷预测方法 | |
| CN110378510B (zh) | 一种基于时间序列和层次聚合的配网物资需求预测方法 | |
| Xu et al. | Adaptive DE algorithm for novel energy control framework based on edge computing in IIoT applications | |
| Dhupia et al. | The role of big data analytics in smart grid management | |
| Chen | Construction project cost management and control system based on big data | |
| Yin et al. | Dynamic real–time abnormal energy consumption detection and energy efficiency optimization analysis considering uncertainty | |
| CN106485367A (zh) | 一种基于多企业用电数据耦合的经济分析平台及预测方法 | |
| Sun et al. | A novel Day-ahead electricity price forecasting using multi-modal combined integration via stacked pruning sparse denoising auto encoder | |
| Irfan et al. | Week Ahead Electricity Power and Price Forecasting Using Improved DenseNet-121 Method. | |
| Riddervold et al. | A supervised learning approach for optimal selection of bidding strategies in reservoir hydro | |
| CN112308305B (zh) | 一种基于多模型综合的售电量预测方法 | |
| CN113887809A (zh) | 双碳目标下配电网供需平衡方法、系统、介质及计算设备 | |
| Xu et al. | Solving a multi-objective distributed scheduling problem for building material equipment group enterprises by measuring quality indicator with a product gene evaluation approach | |
| Li et al. | A machine learning-based decision support framework for energy storage selection | |
| CN104517160A (zh) | 基于容量利用特征的新型电力市场预测系统和方法 | |
| Jasiulewicz-Kaczmarek et al. | Modeling a hierarchical structure of factors influencing exploitation policy for water distribution systems using ISM approach | |
| Cao et al. | Decision-making optimization model for the targeted sustainable maintenance of a complex road network | |
| Wu et al. | Smart management of construction and demolition waste: Review and analysis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160727 |
|
| RJ01 | Rejection of invention patent application after publication |