CN112308338A - 电力数据处理方法及装置 - Google Patents
电力数据处理方法及装置 Download PDFInfo
- Publication number
- CN112308338A CN112308338A CN202011323843.7A CN202011323843A CN112308338A CN 112308338 A CN112308338 A CN 112308338A CN 202011323843 A CN202011323843 A CN 202011323843A CN 112308338 A CN112308338 A CN 112308338A
- Authority
- CN
- China
- Prior art keywords
- power data
- industries
- power
- time
- prediction model
- 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
Images
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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种电力数据处理方法及装置。其中,该方法包括:获取多个行业的电力数据;通过灰色预测模型,对多个行业的电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况。本发明解决了相关技术中由于电力系统对应的用电行业数量多,无法对各个行业进行一一分析,导致电力预测准确度差的技术问题。
Description
技术领域
本发明涉及数据处理领域,具体而言,涉及一种电力数据处理方法及装置。
背景技术
由于不同用电行业(如大工业、商业、居民等)具有不同的用电特性,且当各行业处于不同经济社会发展阶段时其用电发展特性会出现波动变化,而伴随我国经济发展进入新常态,产业结构转型也不断加速,这种波动将进一步加剧。因此将所有用电行业视为一个整体的传统预测模型存在缺陷,忽略用电行业的内在特性进行预测会在产生预测误差;同时用电量与天气周期性(如季节、节假日)、电网规划、政府招商引资、经济环境等因素密切相关,这些都对电量预测造成极大影响,这些因素对电量变化的影响也需要进行准确量化。而现有的粗放型预测算法已不能满足精细化预测的要求。
目前,行业电量预测的预测算法的研究集中在数据上的拟合,主要有回归分析法、时间序列分析法、趋势外推法等几种模型。该类型方法研究历史数据的规律,而忽略了电量变化的内在规律;同时,现有预测算法的研究对象往往是集中在用户市场细分。
针对上述的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种电力数据处理方法及装置,以至少解决相关技术中由于电力系统对应的用电行业数量多,无法对各个行业进行一一分析,导致电力预测准确度差的技术问题。
根据本发明实施例的一个方面,提供了一种电力数据处理方法,包括:获取多个行业的电力数据;通过灰色预测模型,对多个行业的所述电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况。
可选的,通过灰色预测模型,对多个行业的所述电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况之前,包括:建立所述灰色预测模型。
可选的,建立所述灰色预测模型包括:确定输入的原始数据的原始数列;对所述原始数列进行累加得到强化数列;建立所述强化数列关于时间的微分方程,以建立所述灰色预测模型。
可选的,通过灰色预测模型,对多个行业的所述电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况包括:确定所述电力数据的强化数列的邻均值等权数列;根据所述微分方程和所述邻均值等全数列,确定均值生成矩阵和常数项向量;根据所述生成矩阵和常数项向量,通过最小二乘法求解灰参数,其中,所述灰参数为所述微分方程的解构成的矩阵;将所述灰参数带入所述微分方程,求解所述电力数据的强化数列关于时间的函数;根据所述电力数据的强化数列关于时间的函数,进行累减,得到所述电力数据的原始数列关于时间的函数;根据所述电力数据的原始数列关于时间的函数,确定之后的时间对应的电力数据,以对所述电力数据进行预测。
可选的,建立所述强化数列关于时间的微分方程,以建立所述灰色预测模型之后,还包括:对所述原始数据进行预测,得到原始数据的预测结果;根据所述预测结果对所述灰色预测模型进行精度检验,在所述灰色预测模型精度检验合格的情况下,执行通过灰色预测模型,对多个行业的所述电力数据进行预测。
可选的,通过灰色预测模型,对多个行业的所述电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况之后,还包括:根据所述多个行业的电力数据在之后一定时间段内的变化情况进行电力部署,对所述多个行业进行供电。
可选的,根据所述多个行业的电力数据在之后一定时间段内的变化情况进行电力部署,对所述多个行业进行供电包括:根据多个行业的电力数据在之后一定时间段内的变化情况,确定收费标准;根据所述收费标准对所述多个行业进行供电。
根据本发明实施例的另一方面,还提供了一种电力数据处理装置,包括:获取模块,用于获取多个行业的电力数据;预测模块,用于通过灰色预测模型,对多个行业的所述电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况。
根据本发明实施例的另一方面,还提供了一种计算机存储介质,所述计算机存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机存储介质所在设备执行上述中任意一项所述的电力数据处理方法。
根据本发明实施例的另一方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述中任意一项所述的电力数据处理方法。
在本发明实施例中,采用获取多个行业的电力数据;通过灰色预测模型,对多个行业的所述电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况的方式,达到了对多个行业的电力数据进行准确快速预测的目的,从而实现了提高多个行业的电力数据预测的效率和准确率的技术效果,进而解决了相关技术中由于电力系统对应的用电行业数量多,无法对各个行业进行一一分析,导致电力预测准确度差的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的一种电力数据处理方法的流程图;
图2是根据本发明实施例的一种电力数据处理装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例,提供了一种电力数据处理方法的方法实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种电力数据处理方法的流程图,如图1所示,该方法包括以下步骤:
步骤S102,获取多个行业的电力数据;
步骤S104,通过灰色预测模型,对多个行业的电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况。
通过上述步骤,采用获取多个行业的电力数据;通过灰色预测模型,对多个行业的所述电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况的方式,达到了对多个行业的电力数据进行准确快速预测的目的,从而实现了提高多个行业的电力数据预测的效率和准确率的技术效果,进而解决了相关技术中由于电力系统对应的用电行业数量多,无法对各个行业进行一一分析,导致电力预测准确度差的技术问题。
上述灰色预测模型,可以为采用灰色预测法进行预测的模型。灰色预测法是一种预测灰色系统的预测方法。灰色系统介于白色和黑色之间,灰色系统内的一部分信息是已知的,另一部分信息是未知的,系统内各因素间有不确定的关系。灰色预测通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来发展趋势的状况。
可选的,通过灰色预测模型,对多个行业的电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况之前,包括:建立灰色预测模型。
可选的,建立灰色预测模型包括:确定输入的原始数据的原始数列;对原始数列进行累加得到强化数列;建立强化数列关于时间的微分方程,以建立灰色预测模型。
确定输入的原始数据的原始数列,可以设一组原始数据为x(0)=(x(0)(1),x(0)(2),...,x(0)(n))n为数据个数。对x(0)累加以便弱化随机序列的波动性和随机性,得到新的数列也即是强化数列为:x(1)=(x(1)(1),x(1)(2),...,x(1)(n)),其中,
根据灰色理论对x(1)建立关于t的白化形式的一阶一元微分方程GM(1,1):其中,a,u为待解系数,分别称为发展系数和灰色作用量,a的有效区间是(-2,2),并记a,u构成的矩阵为灰参数只要求出参数a,u,就能求出x(1)(t),进而求出x(0)的预测值。
可选的,通过灰色预测模型,对多个行业的电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况包括:确定电力数据的强化数列的邻均值等权数列;根据函数和邻均值等全数列,确定均值生成矩阵和常数项向量;根据生成矩阵和常数项向量,通过最小二乘法求解灰参数,其中,灰参数为微分方程的解构成的矩阵;将灰参数带入微分方程,求解电力数据的强化数列关于时间的函数;根据电力数据的强化数列关于时间的函数,进行累减,得到电力数据的原始数列关于时间的函数;根据电力数据的原始数列关于时间的函数,确定之后的时间对应的电力数据,以对电力数据进行预测。
确定电力数据的强化数列的邻均值等权数列,可以是根据上述原始数据生成x(1)的邻均值等权数列z(1)=(z(1)(2),z(1)(3),...,z(1)(k)),k=2,3,.n.,其中,z(1)(k)=0.5x(1)(k-1)+0.5x(1)(k),k=2,3,.n.。
对累加生成数据做均值生成B与常数项向量Yn:
可选的,建立强化数列关于时间的微分方程,以建立灰色预测模型之后,还包括:对原始数据进行预测,得到原始数据预测结果;根据预测结果对灰色预测模型进行精度检验,在灰色预测模型精度检验合格的情况下,执行通过灰色预测模型,对多个行业的电力数据进行预测。
1)对建立的灰色模型进行精度检验
①残差检验:
②后验差检验:
从而解决历史数据少、序列的完整性及可靠性低的问题;利用微分方程来充分挖掘系统的本质,精度高,还能将无规律的原始数据进行生成得到规律性较强的生成序列,运算简便,易于检验,具有不考虑分布规律,不考虑变化趋势。
可选的,通过灰色预测模型,对多个行业的电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况之后,还包括:根据多个行业的电力数据在之后一定时间段内的变化情况进行电力部署,对多个行业进行供电。
可选的,根据电力需求进行电力部署,对多个行业进行供电包括:根据多个行业的电力数据在之后一定时间段内的变化情况,确定收费标准;根据收费标准对该行业进行供电。
需要说明的是,本申请实施例还提供了一种可选的实施方式,下面对该实施方式进行详细说明。
本实施方式主要在地区行业用电数据的基础上,分析了地区发展和行业用电市场现状;提出运用灰色预测模型的负荷预测思想,建立和改进了地区行业用电负荷预测模型,并对行业用电趋势进行预测,通过进行系统的分析,挖掘用电市场潜力,进一步开拓用电市场,实现社会效益和经济效益的“双赢”。
本实施方式将基于用电行业的配用电信息大数据,以电量精细化预测为研究目标,通过灰色预测模型GM(1,1)对各行业的用电量进行预测,研究具体如下:
灰色预测法是一种预测灰色系统的预测方法。灰色系统介于白色和黑色之间,灰色系统内的一部分信息是已知的,另一部分信息是未知的,系统内各因素间有不确定的关系。灰色预测通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来发展趋势的状况。
GM(1,1)模型的预测原理是:对某一数据序列用累加的方式生成一组趋势明显的新数据序列,按照新的数据序列的增长趋势建立模型进行预测,然后再用累减的方法进行逆向计算,恢复原始数据序列,进而得到预测结果。
GM(1,1)建模过程:
2)设一组原始数据为x(0)=(x(0)(1),x(0)(2),...,x(0)(n))n为数据个数。对x(0)累加以便弱化随机序列的波动性和随机性,得到新的数列为:x(1)=(x(1)(1),x(1)(2),...,x(1)(n)),其中,
3)生成x(1)的邻均值等权数列z(1)=(z(1)(2),z(1)(3),...,z(1)(k)),k=2,3,...,n,其中,z(1)(k)=0.5x(1)(k-1)+0.5x(1)(k),k=2,3,...,n
4)根据灰色理论对x(1)建立关于t的白化形式的一阶一元微分方程GM(1,1):其中,a,u为待解系数,分别称为发展系数和灰色作用量,a的有效区间是(-2,2),并记a,u构成的矩阵为灰参数只要求出参数a,u,就能求出x(1)(t),进而求出x(0)的预测值。
5)对累加生成数据做均值生成B与常数项向量Yn:
9)利用模型进行预测
10)对建立的灰色模型进行精度检验
①残差检验:
②后验差检验:
与现有技术相比,本实施方式不需要很多的数据,能解决历史数据少、序列的完整性及可靠性低的问题;能利用微分方程来充分挖掘系统的本质,精度高,还能将无规律的原始数据进行生成得到规律性较强的生成序列,运算简便,易于检验,具有不考虑分布规律,不考虑变化趋势。
通过对行业电量需求分析,可以及时准确预测未来一段时间行业电量的需求,减少甚至挽回公司因供电不足而导致的经济损失,保证社会经济正常运行,提高服务质量,降低各行业客户投诉率,下面就行业的电量预测,对本发明进行进一步说明。
具体模型实现过程如下:
1)数据收集:通过数据收集,得到了2009-2016年某地区农、林、牧、渔、水利业、工业用电量、地质普查和勘探业、建筑业、交通运输业、商业原始数据。
2)数据预处理:剔除数据中的缺失、异常数据,将数据进行分行业进行求和。对处理后的数据进行Z-Scroe归一化预处理,以消除量纲的影响,使得从所有样本提取的特征可以在同一量纲下作比对。
3)模型构建:以各行业用电量原始数据构建GM(1,1)模型,对地区2017-2019年各行业的用电总量进行趋势预测,并得出相对误差。
表1-1 2009-2016地区五个行业的用电量单位:亿千瓦时
表1-2 2009-2019地区五个行业的用电量预测值单位:亿千瓦时
如上表所示,可以看出不同行业之间的用电量存在较大区别,通过GM(1,1)模型对最近三年各行业数据分析展示了真实值与预测值的情况,通过对不同行业真实值和预测值计算可以看出,整体预测效果较好。
本实施方式技术立足于进行调查研究的基础上,将收集到的数据进行整理分析,并运用负荷预测模型进行趋势预测,为实际问题的判断和决策提供可靠的数据。
关键行业在全社会用电量中的所占比重较大,每年的增长趋势与增长速度与全社会用电量的增长相近。关键行业的增长情况反映了全社会用电量的增长情况,是一种精度较高、可实用的预测方法。
电量预测对电网企业意义重大,这项工作不仅关系到电网对其电力调度日程安排,还将作为电力市场交易计量以及电力网络区域建设等的重要考量因素,并针对电网的日常运行、规划管理等多项工作提供参考依据。因此精确的电量预测结果不仅为电网规划调度的合理性、准确性提供保障,还能进一步促进网络的安全稳定运行,并为配电系统中的分布式电源布点规划及其网架构造和规模大小的确定提供指导。因此,电量预测已经成为现代化电力系统运行和管理中的一个重要研究领域。
本实施方式经过试验、模拟、使用证明可行。通过电量监测数据对新经济下各行业用电情况进行分析,通过不同行业内用电量的变化得出新经济下的用电需求结构,模型结果预测较高。
图2是根据本发明实施例的一种电力数据处理装置的示意图,如图2所示,根据本发明实施例的另一方面,还提供了一种电力数据处理装置,包括:
获取模块22,用于获取多个行业的电力数据;预测模块24,用于通过灰色预测模型,对多个行业的所述电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况。
通过上述装置,采用获取多个行业的电力数据;通过灰色预测模型,对多个行业的所述电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况的方式,达到了对多个行业的电力数据进行准确快速预测的目的,从而实现了提高多个行业的电力数据预测的效率和准确率的技术效果,进而解决了相关技术中由于电力系统对应的用电行业数量多,无法对各个行业进行一一分析,导致电力预测准确度差的技术问题。
根据本发明实施例的另一方面,还提供了一种计算机存储介质,所述计算机存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机存储介质所在设备执行上述中任意一项所述的电力数据处理方法。
根据本发明实施例的另一方面,还提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述中任意一项所述的电力数据处理方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种电力数据处理方法,其特征在于,包括:
获取多个行业的电力数据;
通过灰色预测模型,对多个行业的所述电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况。
2.根据权利要求1所述的电力数据处理方法,其特征在于,通过灰色预测模型,对多个行业的所述电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况之前,包括:
建立所述灰色预测模型。
3.根据权利要求2所述的电力数据处理方法,其特征在于,建立所述灰色预测模型包括:
确定输入的原始数据的原始数列;
对所述原始数列进行累加得到强化数列;
建立所述强化数列关于时间的微分方程,以建立所述灰色预测模型。
4.根据权利要求3所述的电力数据处理方法,其特征在于,通过灰色预测模型,对多个行业的所述电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况包括:
确定所述电力数据的强化数列的邻均值等权数列;
根据所述微分方程和所述邻均值等全数列,确定均值生成矩阵和常数项向量;
根据所述生成矩阵和常数项向量,通过最小二乘法求解灰参数,其中,所述灰参数为所述微分方程的解构成的矩阵;
将所述灰参数带入所述微分方程,求解所述电力数据的强化数列关于时间的函数;
根据所述电力数据的强化数列关于时间的函数,进行累减,得到所述电力数据的原始数列关于时间的函数;
根据所述电力数据的原始数列关于时间的函数,确定之后的时间对应的电力数据,以对所述电力数据进行预测。
5.根据权利要求3所述的电力数据处理方法,其特征在于,建立所述强化数列关于时间的微分方程,以建立所述灰色预测模型之后,还包括:
对所述原始数据进行预测,得到原始数据的预测结果;
根据所述预测结果对所述灰色预测模型进行精度检验,在所述灰色预测模型精度检验合格的情况下,执行通过灰色预测模型,对多个行业的所述电力数据进行预测。
6.根据权利要求1所述的电力数据处理方法,其特征在于,通过灰色预测模型,对多个行业的所述电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况之后,还包括:
根据所述多个行业的电力数据在之后一定时间段内的变化情况进行电力部署,对所述多个行业进行供电。
7.根据权利要求6所述的电力数据处理方法,其特征在于,根据所述多个行业的电力数据在之后一定时间段内的变化情况进行电力部署,对所述多个行业进行供电包括:
根据多个行业的电力数据在之后一定时间段内的变化情况,确定收费标准;
根据所述收费标准对所述多个行业进行供电。
8.一种电力数据处理装置,其特征在于,包括:
获取模块,用于获取多个行业的电力数据;
预测模块,用于通过灰色预测模型,对多个行业的所述电力数据进行预测,得到多个行业的电力数据在之后一定时间段内的变化情况。
9.一种计算机存储介质,其特征在于,所述计算机存储介质包括存储的程序,其中,在所述程序运行时控制所述计算机存储介质所在设备执行权利要求1至7中任意一项所述的电力数据处理方法。
10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至7中任意一项所述的电力数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011323843.7A CN112308338A (zh) | 2020-11-23 | 2020-11-23 | 电力数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011323843.7A CN112308338A (zh) | 2020-11-23 | 2020-11-23 | 电力数据处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112308338A true CN112308338A (zh) | 2021-02-02 |
Family
ID=74335360
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011323843.7A Pending CN112308338A (zh) | 2020-11-23 | 2020-11-23 | 电力数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308338A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240228A (zh) * | 2021-03-23 | 2021-08-10 | 苏州易助能源管理有限公司 | 一种局部区域内各行业电力需求分析装置及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103853939A (zh) * | 2014-03-24 | 2014-06-11 | 昆明理工大学 | 一种基于社会经济因素影响的电力系统月度负荷的组合预测方法 |
CN105447594A (zh) * | 2015-11-17 | 2016-03-30 | 福州大学 | 一种基于指数平滑的电力系统灰色负荷预测方法 |
CN107220735A (zh) * | 2017-07-14 | 2017-09-29 | 国网河北省电力公司经济技术研究院 | 一种电力行业分类的多变量农网电量预测方法 |
CN111178575A (zh) * | 2019-11-12 | 2020-05-19 | 国网山西省电力公司晋中供电公司 | 一种灰色模型电力负荷预测方法 |
-
2020
- 2020-11-23 CN CN202011323843.7A patent/CN112308338A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103853939A (zh) * | 2014-03-24 | 2014-06-11 | 昆明理工大学 | 一种基于社会经济因素影响的电力系统月度负荷的组合预测方法 |
CN105447594A (zh) * | 2015-11-17 | 2016-03-30 | 福州大学 | 一种基于指数平滑的电力系统灰色负荷预测方法 |
CN107220735A (zh) * | 2017-07-14 | 2017-09-29 | 国网河北省电力公司经济技术研究院 | 一种电力行业分类的多变量农网电量预测方法 |
CN111178575A (zh) * | 2019-11-12 | 2020-05-19 | 国网山西省电力公司晋中供电公司 | 一种灰色模型电力负荷预测方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240228A (zh) * | 2021-03-23 | 2021-08-10 | 苏州易助能源管理有限公司 | 一种局部区域内各行业电力需求分析装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Time series anomaly detection for smart grids: A survey | |
CN105426980B (zh) | 一种配电网健康指数评估工程应用系统 | |
CN115578015A (zh) | 基于物联网的污水处理全过程监管方法、系统及存储介质 | |
CN111210170B (zh) | 基于90%用电分布特征指标的环保管控监测及评价方法 | |
CN114048870A (zh) | 一种基于日志特征智能挖掘的电力系统异常监测方法 | |
Shi et al. | Improving power grid monitoring data quality: An efficient machine learning framework for missing data prediction | |
Shi et al. | Expected output calculation based on inverse distance weighting and its application in anomaly detection of distributed photovoltaic power stations | |
CN110555058A (zh) | 基于改进决策树的电力通信设备状态的预测方法 | |
CN110837934B (zh) | 一种基于深度学习的智能电网短期住宅负荷预测方法 | |
CN116186624A (zh) | 一种基于人工智能的锅炉评估方法及系统 | |
Massaferro et al. | Improving electricity non technical losses detection including neighborhood information | |
CN106022640B (zh) | 电量指数核对系统及方法 | |
Li et al. | Using hybrid machine learning methods to predict and improve the energy consumption efficiency in oil and gas fields | |
CN112308338A (zh) | 电力数据处理方法及装置 | |
Wan et al. | Neural network model comparison and analysis of prediction methods using ARIMA and LSTM models | |
CN116401601B (zh) | 基于逻辑回归模型的停电敏感用户处置方法 | |
CN112508278A (zh) | 一种基于证据回归多模型的多联供系统负荷预测方法 | |
CN106816871B (zh) | 一种电力系统状态相似性分析方法 | |
CN115718861A (zh) | 高耗能行业中用电用户的分类与异常行为监测方法及系统 | |
CN116451170A (zh) | 一种基于多源异构数据的配电网检测方法 | |
Naeem et al. | A novel data balancing approach and a deep fractal network with light gradient boosting approach for theft detection in smart grids | |
CN112256735B (zh) | 一种用电监测方法、装置、计算机设备和存储介质 | |
Liu et al. | An abnormal detection of positive active total power based on local outlier factor | |
Poudel et al. | Artificial intelligence for energy fraud detection: a review | |
CN117539920B (zh) | 基于房产交易多维度数据的数据查询方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210202 |
|
RJ01 | Rejection of invention patent application after publication |