CN113962477A - 一种产业电量关联聚集预测方法、装置、设备及存储介质 - Google Patents
一种产业电量关联聚集预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113962477A CN113962477A CN202111328047.7A CN202111328047A CN113962477A CN 113962477 A CN113962477 A CN 113962477A CN 202111328047 A CN202111328047 A CN 202111328047A CN 113962477 A CN113962477 A CN 113962477A
- Authority
- CN
- China
- Prior art keywords
- industry
- electric quantity
- electricity
- core
- community
- 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 41
- 238000004220 aggregation Methods 0.000 title claims abstract description 37
- 230000002776 aggregation Effects 0.000 title claims abstract description 37
- 238000003860 storage Methods 0.000 title claims abstract description 11
- 230000005611 electricity Effects 0.000 claims abstract description 66
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000001364 causal effect Effects 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/04—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Evolutionary Computation (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
本发明属于电子信息技术领域,具体公开了一种产业电量关联聚集预测方法、装置、设备及存储介质。包括以下步骤:获取预设区域内用户用电数据,并根据用户产业标签进行分类;根据分类结果,计算各产业的逐日用电量序列;根据各产业的逐日用电量序列计算每两个待测产业用电量序列间的电量距离;根据电量距离,建立产业电量社区;对任一产业电量社区内的产业计算其中心度,提取用电核心产业;构建核心产业的关联产业聚集;提取任一核心产业及其关联产业聚集的历史日用电量数据,建立预测模型;通过预测模型预测产业电量。本发明预测产业电量时,考虑了相关产业间的关联特性,提升预测精度的同时,具备分析用电量跳变在产业间的传播现象的能力。
Description
技术领域
本发明属于电子信息技术领域,具体涉及一种产业电量关联聚集预测方法、装置、设备及存储介质。
背景技术
准确可靠的电力电量负荷统计分析和预测评估,是做好配电网规划和生产调度的必要条件,也是提升电网运营经济性,实现降本提质增效的保障,同时也是充分发挥数据新生产要素价值,打造高品质综合能源服务的前提。随着我国电力市场开放的历史进程进入高质量发展阶段,用电负荷也呈现出多样化复杂化的特征。传统电量预测方法对相关产业间用电量进行强制性割裂分析,且未充分记及外部事件影响,因而导致产业电量预测评估效率低、精度差。一方面制约了电网规划和调度的决策效果,另一方面也难以充分发挥用电数据所承载信息,造成电力数据要素潜在资产的浪费。
现有技术的缺陷和不足具体体现在以下方面:
(1)传统的电力电量预测方法颗粒度较粗糙,效率低、滞后性强,难以满足规划及调度精细化需求,需要基于产业电力数据,构建更为精准的电力电力预测方法。
(2)产业电力分析以定性描述为主,需实现产业电力经济的定量分析建模,深入挖掘数据价值。
(3)产业间电力电量分析割裂,需要从产业链视角探索产业电力关联关系。
(4)需要将产业及产业链电力负荷分析将经济分析相结合,通过电力数据透视能源结构、产业结构以及经济结构。
(5)传统数值统计分析方法具有认知空间局限性,难以发挥数据生产要素的价值,不适应统计数字化发展趋势的要求。
发明内容
本发明的目的在于提供一种产业电量关联聚集预测方法、装置、设备及存储介质,以解决传统产业电量预测精度不足、效率低的技术问题。
为实现上述技术目的,本发明采取如下技术方案予以实现:
第一方面,一种产业电量关联聚集预测方法,包括以下步骤:
获取预设区域内用户用电数据,并根据用户产业标签进行分类;
根据分类结果,计算各产业的逐日用电量序列;
根据各产业的逐日用电量序列计算每两个待测产业用电量序列间的电量距离;
根据电量距离,建立产业电量社区;
对任一产业电量社区内的产业计算其中心度,提取用电核心产业;
构建核心产业的关联产业聚集;
提取任一核心产业及其关联产业聚集的历史日用电量数据,建立预测模型;
通过预测模型预测产业电量。
本发明的进一步改进在于:计算各产业的逐日用电量序列[Qi,t]时,对相同日期下相同产业标签的用户电量数据求和,得到各产业的逐日用电量序列[Qi,t],其中Q表示用电量,i表示产业序号,t表示所在日期。
本发明的进一步改进在于:计算每两个待测产业用电量序列间的电量距离dij,
式中,i与j为两个不同产业,pij为[Qi,t]与[Qj,t]间的Pearson相关系数。
本发明的进一步改进在于:根据用电距离,建立产业电量社区时,以产业间电量距离为权重,使用社区发现算法,构建产业电量社区{Q}m,m为社区序号。
本发明的进一步改进在于:对任一社区内产业计算其中心度,提取用电核心产业时,包括以下步骤:
选择任一社区,通过Pagerank算法,计算该社区内各产业的中心度;
计算各产业的电量权重因子ri:
将各产业的中心度与电量权重因子ri相乘得到各产业的修正中心度;
将修正中心度从大到小进行排序,得到该社区用电产业排序;修正中心度最大的3个到10个产业中的任一产业为对应社区的用电核心产业。
本发明的进一步改进在于:其特征在于,构建核心产业的关联产业聚集时,选择任一用电核心产业,并对与该用电核心产业相关的其他产业,按照产业电量距离进行筛选,保留与该用电核心产业之间产业电量距离小于0.75dc的产业构建该核心产业的关联产业聚集,dc为预设阈值。
本发明的进一步改进在于:建立预测模型,包括以下步骤:
提取任一核心产业及其关联产业聚集的历史日用电量数据;
根据历史日用电量数据构建机器学习训练集和测试集;
对训练集数据进行Johansen协同测试,获得回归阶数;
根据该核心产业及其关联产业聚集进行向量自回归,构建预测模型。
第二方面,一种产业电量关联聚集预测装置,包括:
用电数据获取分类模块:用于获取预设区域内用户用电数据,并根据用户产业标签进行分类;
逐日用电量序列计算模块:用于计算各产业的逐日用电量序列;
电量距离计算模块:用于根据各产业的逐日用电量序列计算每两个待测用户用电量序列间的电量距离;
产业电量社区构建模块:用于根据根据电量距离,建立产业电量社区;
核心产业提取模块:用于对任一社区内产业计算其中心度,提取用电核心产业;
关联产业聚集构建模块:用于构建核心产业的关联产业聚集;
预测模型构建模块:用于提取任一核心产业及其关联产业聚集的历史日用电量数据,建立预测模型;
产业电量预测模块:用于根据预测模型预测产业电量。
第三方面,一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的一种产业电量关联聚集预测方法。
第四方面,一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的一种产业电量关联聚集预测方法。
与现有技术相比,本发明至少具有以下有益效果:
1、本发明在进行产业电量预测时,考虑了相关产业间的关联特性,提升预测精度的同时,具备分析用电量跳变在产业间的传播现象的能力。
2、本发明基于产业历史用电曲线特性,实现相关产业电量自动聚集,在较小的人工干预下,提取选定区域用电核心产业,构建电量产业链,可用于相关产业经济辅助决策,以及电力产业相关业务发展规划支撑。
3、本发明从电量数据角度出发分析产业间关联关系,降低传统认知因素影响,相对客观地反映产业的运营状况、关联关系和因果特性等经济情况。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,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为本发明一种产业电量关联聚集预测方法的流程图;
图2为本发明一种产业电量关联聚集预测装置的系统框图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明,旨在对本发明提供进一步的详细说明。除非另有指明,本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式,而并非意图限制根据本发明的示例性实施方式。
实施例1:
如图1所示,一种产业电量关联聚集预测方法,包括以下步骤:
获取预设区域内用户用电数据,并根据用户产业标签进行分类;
根据分类结果,计算各产业的逐日用电量序列;
根据各产业的逐日用电量序列计算每两个待测产业用电量序列间的电量距离;
根据电量距离,建立产业电量社区;
对任一产业电量社区内的产业计算其中心度,提取用电核心产业;
构建核心产业的关联产业聚集;
提取任一核心产业及其关联产业聚集的历史日用电量数据,建立预测模型;
通过预测模型预测产业电量。
针对指定研究区域,统计一年以上的用户日用电量数据。对于非居民用户,根据《2017年国民经济产业分类(GB/T 4754-2017)》,确定各用户产业标签,产业分类颗粒度应细化至中类。
对相同日期下具有相同产业标签的用户电量数据求和,获得各产业的逐日用电量序列[Qi,t],其中Q表示用电量,i表示产业序号,t表示所在日期。
步骤3:两两计算产业i与j间的电量距离
式中,ρij为[Qi,t]与[Qj,t]间的Pearson相关系数。该距离值越高,则相关性越弱,当距离超过某阈值dc(推荐值0.5),认为两产业间无显著相关性。
以产业间电量距离为权重,利用社区发现算法,构建产业电量社区{Q}m。其中m为社区序号,该社区中包含若干产业。某产业只能属于某一社区。
对于选定社区m=M,利用Pagerank算法,计算该社区内各产业的中心度。同时,计算各产业的电量权重因子ri,即该产业总用电量对数与该区域全社会用电量对数之比,
该因子乘以产业中心度,获得该产业的修正中心度。对修正产业中心度从大到小排序,获得该区域用电核心产业排序。选取修正中心度最大的3个到10个产业中的任一产业为核心产业。因此,某产业排序主要由2方面因素决定,其一为其他产业与该产业的关联密集程度,其二为该产业自身用电体量。
选定某核心产业i=I,对与该产业相关的其他产业,按照产业电量距离进行筛排。推荐筛排阈值为0.75dc,即只保留与I产业低于此阈值的产业,构建核心产业I的关联产业聚集。
对于核心产业I及其关联产业聚集,提取其历史日用电量数据,构建机器学习训练集和测试集。对训练集数据进行Johansen协同测试,获得回归阶数。
上述产业聚集进行向量自回归,构建回归函数,回归函数作为预测模型。考虑关联产业间因果关联关系的电量预测,并利用测试集去检验预测模型预测效果。
通过预测模型预测产业电量需要输入历史日用电量数据。
实施例2:
如图2所示,一种产业电量关联聚集预测装置,包括:
用电数据获取分类模块:用于获取预设区域内用户用电数据,并根据用户产业标签进行分类;
逐日用电量序列计算模块:用于计算各产业的逐日用电量序列;
电量距离计算模块:用于根据各产业的逐日用电量序列计算每两个待测用户用电量序列间的电量距离;
产业电量社区构建模块:用于根据电量距离,建立产业电量社区;
核心产业提取模块:用于对任一社区内产业计算其中心度,提取用电核心产业;
关联产业聚集构建模块:用于构建核心产业的关联产业聚集;
预测模型构建模块:用于提取任一核心产业及其关联产业聚集的历史日用电量数据,建立预测模型;
产业电量预测模块:用于根据预测模型预测产业电量。
实施例3:
一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例1所述的一种产业电量关联聚集预测方法。
实施例4:
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现实施例1所述的一种产业电量关联聚集预测方法。
由技术常识可知,本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此,上述公开的实施方案,就各方面而言,都只是举例说明,并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种产业电量关联聚集预测方法,其特征在于,包括以下步骤:
获取预设区域内用户用电数据,并根据用户产业标签进行分类;
根据分类结果,计算各产业的逐日用电量序列;
根据各产业的逐日用电量序列计算每两个待测产业用电量序列间的电量距离;
根据电量距离,建立产业电量社区;
对任一产业电量社区内的产业计算其中心度,提取用电核心产业;
构建核心产业的关联产业聚集;
提取任一核心产业及其关联产业聚集的历史日用电量数据,建立预测模型;
通过预测模型预测产业电量。
2.根据权利要求1所述的一种产业电量关联聚集预测方法,其特征在于,计算各产业的逐日用电量序列[Qi,t]时,对相同日期下相同产业标签的用户电量数据求和,得到各产业的逐日用电量序列[Qi,t],其中Q表示用电量,i表示产业序号,t表示所在日期。
4.根据权利要求3所述的一种产业电量关联聚集预测方法,其特征在于,根据用电距离,建立产业电量社区时,以产业间电量距离为权重,使用社区发现算法,构建产业电量社区{Q}m,m为社区序号。
6.根据权利要求5所述的一种产业电量关联聚集预测方法,其特征在于,构建核心产业的关联产业聚集时,选择任一用电核心产业,并对与该用电核心产业相关的其他产业,按照产业电量距离进行筛选,保留与该用电核心产业之间产业电量距离小于0.75dc的产业构建该核心产业的关联产业聚集,dc为预设阈值。
7.根据权利要求6所述的一种产业电量关联聚集预测方法,其特征在于,建立预测模型,包括以下步骤:
提取任一核心产业及其关联产业聚集的历史日用电量数据;
根据历史日用电量数据构建机器学习训练集和测试集;
对训练集数据进行Johansen协同测试,获得回归阶数;
根据该核心产业及其关联产业聚集进行向量自回归,构建预测模型。
8.一种产业电量关联聚集预测装置,其特征在于,包括:
用电数据获取分类模块:用于获取预设区域内用户用电数据,并根据用户产业标签进行分类;
逐日用电量序列计算模块:用于计算各产业的逐日用电量序列;
电量距离计算模块:用于根据各产业的逐日用电量序列计算每两个待测用户用电量序列间的电量距离;
产业电量社区构建模块:用于根据电量距离,建立产业电量社区;
核心产业提取模块:用于对任一社区内产业计算其中心度,提取用电核心产业;
关联产业聚集构建模块:用于构建核心产业的关联产业聚集;
预测模型构建模块:用于提取任一核心产业及其关联产业聚集的历史日用电量数据,建立预测模型;
产业电量预测模块:用于根据预测模型预测产业电量。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-7任一项所述的一种产业电量关联聚集预测方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一项所述的一种产业电量关联聚集预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111328047.7A CN113962477A (zh) | 2021-11-10 | 2021-11-10 | 一种产业电量关联聚集预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111328047.7A CN113962477A (zh) | 2021-11-10 | 2021-11-10 | 一种产业电量关联聚集预测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113962477A true CN113962477A (zh) | 2022-01-21 |
Family
ID=79470041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111328047.7A Pending CN113962477A (zh) | 2021-11-10 | 2021-11-10 | 一种产业电量关联聚集预测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113962477A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114676940A (zh) * | 2022-05-27 | 2022-06-28 | 四川瑞康智慧能源有限公司 | 商业旅游区购电量预测方法、装置、电子设备及存储介质 |
CN115459270A (zh) * | 2022-11-03 | 2022-12-09 | 西安国智电子科技有限公司 | 城市高峰用电的配置方法、装置、计算机设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880915A (zh) * | 2012-09-06 | 2013-01-16 | 中山大学 | 一种基于对热点事件进行关联挖掘的电量预测方法 |
CN103440556A (zh) * | 2013-09-04 | 2013-12-11 | 国家电网公司 | 一种基于经济传导的用电量预测方法 |
CN105373865A (zh) * | 2015-12-11 | 2016-03-02 | 国网四川省电力公司经济技术研究院 | 一种基于产业结构的用电需求预测方法 |
CN105512768A (zh) * | 2015-12-14 | 2016-04-20 | 上海交通大学 | 大数据环境下用户用电关联因素辨识及用电量预测方法 |
CN105825290A (zh) * | 2016-01-29 | 2016-08-03 | 江苏省电力公司电力经济技术研究院 | 一种基于产业链产品产量的电量预测方法 |
CN107609673A (zh) * | 2017-08-15 | 2018-01-19 | 国网天津市电力公司 | 一种适合大数据的多属性数据资源交易方法 |
CN107749638A (zh) * | 2017-10-19 | 2018-03-02 | 东南大学 | 多微电网组合的虚拟发电厂分布式随机非重叠抽样的无中心优化方法 |
CN108510006A (zh) * | 2018-04-08 | 2018-09-07 | 重庆邮电大学 | 一种基于数据挖掘的企业用电量分析与预测方法 |
CN108549907A (zh) * | 2018-04-11 | 2018-09-18 | 武汉大学 | 一种基于多源迁移学习的数据校验方法 |
CN109685277A (zh) * | 2018-12-28 | 2019-04-26 | 国网冀北电力有限公司经济技术研究院 | 用电量预测方法及装置 |
WO2021174811A1 (zh) * | 2020-03-04 | 2021-09-10 | 平安科技(深圳)有限公司 | 车流量时间序列的预测方法及预测装置 |
-
2021
- 2021-11-10 CN CN202111328047.7A patent/CN113962477A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102880915A (zh) * | 2012-09-06 | 2013-01-16 | 中山大学 | 一种基于对热点事件进行关联挖掘的电量预测方法 |
CN103440556A (zh) * | 2013-09-04 | 2013-12-11 | 国家电网公司 | 一种基于经济传导的用电量预测方法 |
CN105373865A (zh) * | 2015-12-11 | 2016-03-02 | 国网四川省电力公司经济技术研究院 | 一种基于产业结构的用电需求预测方法 |
CN105512768A (zh) * | 2015-12-14 | 2016-04-20 | 上海交通大学 | 大数据环境下用户用电关联因素辨识及用电量预测方法 |
CN105825290A (zh) * | 2016-01-29 | 2016-08-03 | 江苏省电力公司电力经济技术研究院 | 一种基于产业链产品产量的电量预测方法 |
CN107609673A (zh) * | 2017-08-15 | 2018-01-19 | 国网天津市电力公司 | 一种适合大数据的多属性数据资源交易方法 |
CN107749638A (zh) * | 2017-10-19 | 2018-03-02 | 东南大学 | 多微电网组合的虚拟发电厂分布式随机非重叠抽样的无中心优化方法 |
CN108510006A (zh) * | 2018-04-08 | 2018-09-07 | 重庆邮电大学 | 一种基于数据挖掘的企业用电量分析与预测方法 |
CN108549907A (zh) * | 2018-04-11 | 2018-09-18 | 武汉大学 | 一种基于多源迁移学习的数据校验方法 |
CN109685277A (zh) * | 2018-12-28 | 2019-04-26 | 国网冀北电力有限公司经济技术研究院 | 用电量预测方法及装置 |
WO2021174811A1 (zh) * | 2020-03-04 | 2021-09-10 | 平安科技(深圳)有限公司 | 车流量时间序列的预测方法及预测装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114676940A (zh) * | 2022-05-27 | 2022-06-28 | 四川瑞康智慧能源有限公司 | 商业旅游区购电量预测方法、装置、电子设备及存储介质 |
CN114676940B (zh) * | 2022-05-27 | 2022-08-26 | 四川瑞康智慧能源有限公司 | 商业旅游区购电量预测方法、装置、电子设备及存储介质 |
CN115459270A (zh) * | 2022-11-03 | 2022-12-09 | 西安国智电子科技有限公司 | 城市高峰用电的配置方法、装置、计算机设备及存储介质 |
CN115459270B (zh) * | 2022-11-03 | 2023-04-18 | 西安国智电子科技有限公司 | 城市高峰用电的配置方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106022509B (zh) | 考虑地域和负荷性质双重差异的配电网空间负荷预测方法 | |
CN113962477A (zh) | 一种产业电量关联聚集预测方法、装置、设备及存储介质 | |
CN105354725A (zh) | 一种应用推广效果的预测方法及系统 | |
CN103559303A (zh) | 一种对数据挖掘算法的评估与选择方法 | |
CN104657788A (zh) | 基于行业景气指数的重点行业用电量预测方法 | |
CN110119948B (zh) | 基于时变权重动态组合的电力用户信用评价方法及系统 | |
CN108345908A (zh) | 电网数据的分类方法、分类设备及存储介质 | |
CN114048436A (zh) | 一种预测企业财务数据模型构建方法及构建装置 | |
CN111027872A (zh) | 一种区域用户的用电成熟度确定方法及系统 | |
CN114118588B (zh) | 聚类欠采样下基于博弈特征提取的迎峰度夏停电预测方法 | |
CN105786711A (zh) | 一种数据分析的方法及装置 | |
CN111210170A (zh) | 基于90%用电分布特征指标的环保管控监测及评价方法 | |
CN103632306A (zh) | 一种基于聚类分析的配电网供电区域划分方法 | |
CN113450031B (zh) | 居民智慧用能服务潜在台区选取方法及装置 | |
CN115794803B (zh) | 一种基于大数据ai技术的工程审计问题监测方法与系统 | |
CN113361745A (zh) | 一种配电网物资需求预测方法及系统 | |
CN115081515A (zh) | 能效评价模型构建方法、装置、终端及存储介质 | |
CN106951993A (zh) | 一种电能量数据预估方法 | |
CN113344449A (zh) | 一种预测月尺度工业需水量的方法 | |
CN112633762A (zh) | 楼宇能效获取方法及设备 | |
CN109034241A (zh) | 基于支持向量机的负荷集群控制方法和系统 | |
CN111931992A (zh) | 一种电力负荷预测指标选取方法及装置 | |
CN112200209A (zh) | 一种基于日差分用电量的贫困用户识别方法 | |
CN111539840A (zh) | 一种融合聚类与密度估计的窃电检测方法及系统 | |
CN114240041A (zh) | 配网台区精益化线损分析方法及系统 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230824 Address after: 310016 No. 219, Jianguo Middle Road, Shangcheng District, Hangzhou City, Zhejiang Province Applicant after: HANGZHOU POWER SUPPLY COMPANY, STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd. Address before: 310009, No. 219, Jianguo Middle Road, Shangcheng District, Zhejiang, Hangzhou Applicant before: HANGZHOU POWER SUPPLY COMPANY, STATE GRID ZHEJIANG ELECTRIC POWER Co.,Ltd. Applicant before: BEIJING SGITG-ACCENTURE INFORMATION TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right |