CN113837540A - 一种基于随机森林和支持向量机的能源数据异常原因分析方法 - Google Patents
一种基于随机森林和支持向量机的能源数据异常原因分析方法 Download PDFInfo
- Publication number
- CN113837540A CN113837540A CN202110955288.8A CN202110955288A CN113837540A CN 113837540 A CN113837540 A CN 113837540A CN 202110955288 A CN202110955288 A CN 202110955288A CN 113837540 A CN113837540 A CN 113837540A
- Authority
- CN
- China
- Prior art keywords
- data
- abnormal
- reason
- load control
- household
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 29
- 238000007637 random forest analysis Methods 0.000 title claims abstract description 12
- 238000012706 support-vector machine Methods 0.000 title claims abstract description 12
- 230000002159 abnormal effect Effects 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000012216 screening Methods 0.000 claims abstract description 8
- 238000012549 training Methods 0.000 claims abstract description 7
- 238000004140 cleaning Methods 0.000 claims abstract description 5
- 238000002372 labelling Methods 0.000 claims abstract description 5
- 238000005516 engineering process Methods 0.000 claims abstract description 4
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 230000005856 abnormality Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000010977 unit operation Methods 0.000 claims description 3
- 238000012552 review Methods 0.000 description 9
- 230000005611 electricity Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013642 negative control Substances 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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
- G06Q10/06—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (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
一种基于随机森林和支持向量机的能源数据异常原因分析方法,包括:步骤1:采用模型训练模块进行数据清洗处理、数据标签化及模型参数调优;步骤2:采用异常数据接收模块支持从MySQL、Oracle、Postgre中读取相关电力负控异常数据;步骤3:数据处理,采用大数据技术对异常数据进行关键信息筛选、冗余数据删除及时间窗口计算;其中Python通过JDBC方式从Oracle及Postgre中取出电力负控异常数据;步骤4:采用异常原因分析模块,对异常数据进行原因分析,并反馈异常原因分析结果。该方法基于随机森林和支持向量机模型,根据电力系统反馈的异常电力负控数据,对所属不同客户及不同时间段的异常数据进行原因分析。
Description
技术领域
本发明涉及电力数据分析技术领域,具体为一种基于随机森林和支持向量机的能源数据异常原因分析方法。
背景技术
随着电力行业的飞速发展,新型能源在电力应用环节的参与程度越大越大。而以往的传统发电模式因能源消耗比重大、环境污染程度严重等原因,电力生产和管理的难度也在增加。在企业用电的过程中,因企业用能变化、偷电漏电、企业突发情况等原因导致电力负控数据异常的情况时有发生。
在现有的电力系统中,针对于上述电力负控数据的异常情况,采用监察人员人工复查的方式进行异常原因分析,在人工复查的过程中,存在着复查效率低、复查出错率高、资源占用率高等问题。在很多要求数据及时性的场合,采用人工复查的方式往往不能满足业务需求。如果可以自动化的对企业异常用电数据进行异常原因分析,则可以在智能用电策略上为企业提供更好的方案支撑,也可以为企业提供更佳的用电服务。
现有的电力系统在异常数据收集分析方面存在以下不足:
(1)异常数据原因分析采用传统人工复查的方式,存在着复查效率低、出错率高等问题。不利于企业制定成熟的用电策略。
(2)以某地市电网运行数据为例,负控数据月增30万条。面对海量数据,人工复查方式并不适用于当下异常数据原因分析工作。
发明内容
本发明的目的在于克服现有技术的不足之处,提供一种基于随机森林和支持向量机的能源数据异常原因分析方法,该方法基于随机森林和支持向量机模型,根据电力系统反馈的异常电力负控数据,对所属不同客户及不同时间段的异常数据进行原因分析。
一种基于随机森林和支持向量机的能源数据异常原因分析方法,包括以下步骤:
步骤1:采用模型训练模块进行数据清洗处理、数据标签化及模型参数调优;
步骤2:采用异常数据接收模块支持从MySQL、Oracle、Postgre中读取相关电力负控异常数据;
步骤3:对步骤二中得到的异常数据进行数据处理,采用大数据技术对异常数据进行关键信息筛选、冗余数据删除及时间窗口计算工作;其中Python通过JDBC方式从Oracle及Postgre中取出电力负控异常数据;
步骤4:采用异常原因分析模块,对异常数据进行原因分析,并反馈异常原因分析结果;该异常原因分析模型主要包括工作日原因分析模型及非工作日原因分析模型。
而且,步骤三中还包括以下子步骤:
步骤3.1:根据异常发生时间,计算时间所属范围,分成工作日及非工作日两类;
步骤3.2:对多个点位的电力负控数据进行标幺化操作,设P_户为负荷数据,P_户标为P_户的归一化数据,C_run为运行容量,则第N点P_户标归一化数据通过以下公式求得:
P_户标n=P_户n/C_runn
步骤3.3:对标幺化后的电力负控数据进行关键信息筛选,保留户号、异常时间、时间窗口标识及标幺化值信息。
本发明的优点和技术效果是:
本发明的一种基于随机森林和支持向量机的能源数据异常原因分析方法,可自动化的对异常数据产生的原因进行分析整合,之后推送给电力服务部门,可对企业智能输配电提供更高效的决策意见。依据异常数据分析原因,可更加便捷的解决企业用电过程中存在的用电问题,节约电力能源,节省人力物力,降低用电成本。
本发明的一种基于随机森林和支持向量机的能源数据异常原因分析方法,还具备以下优势:
(1)面对海量电力数据,自动化的异常原因分析效率要高于人工复查。
(2)针对不同时间范围的异常数据,自动化的处理方式可提高异常原因分析正确率。
(3)定时计算,每天可针对异常数据进行定时处理,可保证异常数据分析结果的时效性。
附图说明
图1为本发明数据流的结构示意图。
具体实施方式
为能进一步了解本发明的内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。需要说明的是,本实施例是描述性的,不是限定性的,不能由此限定本发明的保护范围。
一种基于随机森林和支持向量机的能源数据异常原因分析方法,包括以下步骤:
步骤1:采用模型训练模块进行数据清洗处理、数据标签化及模型参数调优;
步骤2:采用异常数据接收模块支持从MySQL、Oracle、Postgre中读取相关电力负控异常数据;
步骤3:对步骤二中得到的异常数据进行数据处理,采用大数据技术对异常数据进行关键信息筛选、冗余数据删除及时间窗口计算工作;其中Python通过JDBC方式从Oracle及Postgre中取出电力负控异常数据;
步骤4:采用异常原因分析模块,对异常数据进行原因分析,并反馈异常原因分析结果;该异常原因分析模型主要包括工作日原因分析模型及非工作日原因分析模型。
而且,步骤三中还包括以下子步骤:
步骤3.1:根据异常发生时间,计算时间所属范围,分成工作日及非工作日两类;
步骤3.2:对多个点位的电力负控数据进行标幺化操作,设P_户为负荷数据,P_户标为P_户的归一化数据,C_run为运行容量,则第N点P_户标归一化数据通过以下公式求得:
P_户标n=P_户n/C_runn
步骤3.3:对标幺化后的电力负控数据进行关键信息筛选,保留户号、异常时间、时间窗口标识及标幺化值信息。
另外,本发明优选的,还包括有定时任务模块,用于定期收集筛选并处理分析电力异常数据的形成原因,该有定时任务模块、模型训练模块,异常数据接收模块,以及异常数据原因分析模块均搭载在现有技术中的软件内实施。
为了更清楚地说明本发明的具体实施方式,下面提供一种实施例:
本发明数据流图如图1所示,具体步骤如下:
(1)Python首先读取存放于固定路径下的配置文件中数据库连接信息,包括ip、userName、password、database,然后接收传入参数,包括数据类型,日期类型,预测天数.根据参数生成查询语句列表list。
(2)通过python第三方依赖库将查询语句列表list以sqlalchemy的方式建立JDBC连接,读取数据历史数据,企业用电信息、企业用电异常信息等。
(3)读取到的数据基于dataframe进行数据清洗转换,并进行标幺化。
(4)通过dataframe把清洗后的数据进行时间序列排序,排序结果可对异常分析结果起参考作用。
(5)把标幺化后的数据进行标签化,标签列用lable表示。
(6)基于标签化后的标幺化数据进行模型训练,分别训练RF模型及SVM模型,并对参数进行优化调整。
(7)使用训练好的模型对异常电力数据进行原因分析。
(8)通过dataframe方法对两个模型的输出结果进行比较,返回权重大的结果作为异常原因分析的最终结果。
(9)将行业企业信息与结果集进行关联。
(10)调用Python的Cx_oracle包把上述数据写入Oracle进行存储。
最后,本发明的未述之处均采用现有技术中的成熟产品及成熟技术手段。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (2)
1.一种基于随机森林和支持向量机的能源数据异常原因分析方法,其特征在于,包括以下步骤:
步骤1:采用模型训练模块进行数据清洗处理、数据标签化及模型参数调优;
步骤2:采用异常数据接收模块支持从MySQL、Oracle、Postgre中读取相关电力负控异常数据;
步骤3:对步骤二中得到的异常数据进行数据处理,采用大数据技术对异常数据进行关键信息筛选、冗余数据删除及时间窗口计算工作;其中Python通过JDBC方式从Oracle及Postgre中取出电力负控异常数据;
步骤4:采用异常原因分析模块,对异常数据进行原因分析,并反馈异常原因分析结果;该异常原因分析模型主要包括工作日原因分析模型及非工作日原因分析模型。
2.根据权利要求1所述的一种基于随机森林和支持向量机的能源数据异常原因分析方法,其特征在于:所述步骤三中还包括以下子步骤:
步骤3.1:根据异常发生时间,计算时间所属范围,分成工作日及非工作日两类;
步骤3.2:对多个点位的电力负控数据进行标幺化操作,设P_户为负荷数据,P_户标为P_户的归一化数据,C_run为运行容量,则第N点P_户标归一化数据通过以下公式求得:
P_户标n=P_户n/C_runn
步骤3.3:对标幺化后的电力负控数据进行关键信息筛选,保留户号、异常时间、时间窗口标识及标幺化值信息。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110955288.8A CN113837540A (zh) | 2021-08-19 | 2021-08-19 | 一种基于随机森林和支持向量机的能源数据异常原因分析方法 |
PCT/CN2022/107010 WO2023020194A1 (zh) | 2021-08-19 | 2022-07-21 | 一种基于随机森林和支持向量机的能源数据异常原因分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110955288.8A CN113837540A (zh) | 2021-08-19 | 2021-08-19 | 一种基于随机森林和支持向量机的能源数据异常原因分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113837540A true CN113837540A (zh) | 2021-12-24 |
Family
ID=78960810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110955288.8A Pending CN113837540A (zh) | 2021-08-19 | 2021-08-19 | 一种基于随机森林和支持向量机的能源数据异常原因分析方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113837540A (zh) |
WO (1) | WO2023020194A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023020194A1 (zh) * | 2021-08-19 | 2023-02-23 | 天津市普迅电力信息技术有限公司 | 一种基于随机森林和支持向量机的能源数据异常原因分析方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117252484B (zh) * | 2023-11-14 | 2024-01-23 | 国网信通亿力科技有限责任公司 | 一种基于大数据分析的用电异常监控方法及系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7247627B2 (ja) * | 2019-02-12 | 2023-03-29 | 富士電機株式会社 | 異常要因特定方法、異常要因特定装置、電力変換装置及び電力変換システム |
CN110489254B (zh) * | 2019-07-13 | 2022-06-14 | 西北工业大学 | 基于深度随机森林算法的大型飞机航空大数据故障检测与因果推理系统及方法 |
CN110703183A (zh) * | 2019-11-13 | 2020-01-17 | 江苏方天电力技术有限公司 | 一种智能电能表故障数据分析方法及系统 |
CN111090050A (zh) * | 2020-01-21 | 2020-05-01 | 合肥工业大学 | 一种基于支持向量机和k均值的锂电池故障诊断方法 |
CN112269779A (zh) * | 2020-10-30 | 2021-01-26 | 国网上海市电力公司 | 一种用于电力设备缺陷的大数据分析系统和方法 |
CN113837540A (zh) * | 2021-08-19 | 2021-12-24 | 天津市普迅电力信息技术有限公司 | 一种基于随机森林和支持向量机的能源数据异常原因分析方法 |
-
2021
- 2021-08-19 CN CN202110955288.8A patent/CN113837540A/zh active Pending
-
2022
- 2022-07-21 WO PCT/CN2022/107010 patent/WO2023020194A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023020194A1 (zh) * | 2021-08-19 | 2023-02-23 | 天津市普迅电力信息技术有限公司 | 一种基于随机森林和支持向量机的能源数据异常原因分析方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2023020194A1 (zh) | 2023-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113837540A (zh) | 一种基于随机森林和支持向量机的能源数据异常原因分析方法 | |
CN110991700A (zh) | 基于深度学习改进的天气与用电相关性预测方法及装置 | |
CN104992298A (zh) | 能源管理系统 | |
CN110826887A (zh) | 一种基于大数据的智能运维管理系统及方法 | |
CN111178587A (zh) | 一种基于spark框架的短期电力负荷快速预测方法 | |
CN110852624A (zh) | 一种面向企业执行层的智能制造管理系统及其运作方法 | |
CN114169570A (zh) | 一种基于物联网与云计算技术的智慧能源管理平台 | |
CN114662795A (zh) | 基于emd-arima-lstm模型的天然气负荷预测方法及系统 | |
CN117151495A (zh) | 一种光伏发电系统运行效率评估分析方法 | |
CN111369022A (zh) | 一种铁路车站运维监控平台与装置 | |
CN117076882A (zh) | 一种云服务资源动态预测管理方法 | |
CN116976839A (zh) | 一种基于网络协同制造的铅蓄电池生产管控方法 | |
WO2023028842A1 (zh) | 工厂运营的预测方法、装置及计算机可读存储介质 | |
CN111428889A (zh) | 一种划分外场可更换单元lru的装置和方法 | |
CN114331073A (zh) | 一种储能电站运维管理方法、系统及装置 | |
CN114218216A (zh) | 资源管理方法、装置、设备及存储介质 | |
CN113377841A (zh) | 一种基于大数据的能源负荷预测系统 | |
Sultan et al. | A predictive model to forecast customer adoption of rooftop solar | |
Weiguo et al. | Research on the application of smart logistics system based on big data: Taking jingdong logistics as an example | |
Ku et al. | Self-learning mechanism for prediction of energy consumption and generation | |
Sun et al. | Fault Alarm Communication Scheduling Architecture and Method for Power System | |
CN117539169B (zh) | 一种基于数字孪生的管理方法和系统 | |
Qian et al. | Architecture and business model of power grid marketing and distribution integration system based on middle platform technology | |
Mao et al. | Research on the technical framework of intelligent and efficient analysis and mining of big data in electric power | |
Qi et al. | Line Loss Outlier Detection and Correlation Analysis Between Low-voltage Distributed PV Loads: An Empirical Study |
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 |