CN114169523A - 太阳能电池的使用数据分析方法及系统 - Google Patents
太阳能电池的使用数据分析方法及系统 Download PDFInfo
- Publication number
- CN114169523A CN114169523A CN202210124336.3A CN202210124336A CN114169523A CN 114169523 A CN114169523 A CN 114169523A CN 202210124336 A CN202210124336 A CN 202210124336A CN 114169523 A CN114169523 A CN 114169523A
- Authority
- CN
- China
- Prior art keywords
- requirement
- demand
- description
- usage
- solar cell
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明是关于太阳能电池的使用数据分析方法及系统，通过对初始数据使用记录进行差异化的用户需求挖掘操作，能够得到反映局部兴趣偏好的第一需求描述以及反映全局兴趣偏好的第二需求描述，这样能够从不同角度以全面完整地得到尽可能丰富的需求描述。基于此，能够对第一需求描述和第二需求描述进行加权处理以得到第三需求描述。可以理解的是，第三需求描述涵盖了局部需求和全局需求，因而能够覆盖尽可能多的用户需求情况，这样能够基于第三需求描述准确完整地生成第一待分析太阳能电池用户的使用需求知识库，由于使用需求知识库同样能够覆盖局部需求知识集和全局需求知识集，因而能够为后续的太阳能电池的功能完善和用电安全处理提供决策依据。
Description
技术领域
本发明涉及数据分析技术领域，具体而言，涉及一种太阳能电池的使用数据分析方法及系统。
背景技术
太阳能电池（Solar Cell）是一种利用太阳光直接发电的光电半导体薄片，又称为“太阳能芯片”或“光电池”，它只要被满足一定照度条件的光照度，瞬间就可输出电压及在有回路的情况下产生电流，它是通过光电效应或者光化学效应直接把光能转化成电能的装置。随着“绿色能源”以及“碳中和”的不断普及，太阳能电池的应用越来越普遍。而针对太阳能电池的使用情况分析也成为当下研究的重点。现目前，如何精准构建不同用户的电池使用画像是亟需攻克的其中一个技术难点。
发明内容
第一方面，本发明实施例提供了一种太阳能电池的使用数据分析方法，应用于数据分析系统，所述方法至少包括：确定携带第一待分析太阳能电池用户的初始使用数据记录；对所述初始使用数据记录启用第一用户需求挖掘操作，得到涵盖所述第一待分析太阳能电池用户的阶段化使用兴趣偏好的第一需求描述，所述阶段化使用兴趣偏好包括显著用电事件使用兴趣偏好，所述第一需求描述包括所述待分析太阳能电池用户的n个显著用电事件的使用兴趣偏好；其中，n为大于等于1的整数；对所述初始使用数据记录启用第二用户需求挖掘操作，得到涵盖所述第一待分析太阳能电池用户的整体化使用兴趣偏好的第二需求描述；对所述第一需求描述和所述第二需求描述进行描述加权操作，得到所述第一待分析太阳能电池用户的第三需求描述；所述第三需求描述用于确定所述第一待分析太阳能电池用户的使用需求知识库。
对于一些可能的实施例而言，所述阶段化使用兴趣偏好还涵盖阶段化关联事件集使用兴趣偏好，所述第一需求描述还涵盖所述待分析太阳能电池用户的n个阶段化关联事件集的使用兴趣偏好。
对于一些可能的实施例而言，所述对所述初始使用数据记录启用第一用户需求挖掘操作，得到涵盖所述第一待分析太阳能电池用户的阶段化使用兴趣偏好的第一需求描述，包括：
对所述初始使用数据记录进行第三用户需求挖掘操作，得到第一关联需求描述；所述第一关联需求描述包括所述第一待分析太阳能电池用户的n个显著用电事件的使用兴趣偏好；
对所述初始使用数据记录进行第四用户需求挖掘操作，得到第二关联需求描述；所述第二关联需求描述包括所述第一待分析太阳能电池用户的n个阶段化关联事件集的使用兴趣偏好；所述阶段化关联事件集属于所述第一待分析太阳能电池用户所匹配的关联事件集，且所述阶段化关联事件集的关联事件数量小于所述第一待分析太阳能电池用户所匹配的关联事件集的关联事件数量；
对所述第一关联需求描述和第二关联需求描述进行描述加权操作，得到所述第一需求描述。
对于一些可能的实施例而言，所述对所述初始使用数据记录进行第三用户需求挖掘操作，得到第一关联需求描述，包括：
对所述初始使用数据记录进行第五用户需求挖掘操作，得到n个第一差异化需求描述；所述第一差异化需求描述包括所述显著用电事件的使用兴趣偏好，且随机两个所述第一差异化需求描述所包括的使用兴趣偏好对应于相异的所述显著用电事件；
从所述n个第一差异化需求描述中定位包括需求关键词最多的u个需求描述，得到u个第一目标需求描述；u为不小于1的整数；
基于所述u个第一目标需求描述得到所述第一关联需求描述。
对于一些可能的实施例而言，所述对所述初始使用数据记录进行第四用户需求挖掘操作，得到第二关联需求描述，包括：
对所述初始使用数据记录进行第十用户需求挖掘操作，得到n个第二差异化需求描述；所述第二差异化需求描述包括所述显著用电事件的使用兴趣偏好，且随机两个所述第二差异化需求描述所包括的使用兴趣偏好对应于相异的所述阶段化关联事件集；
从p个第二差异化需求描述中定位携带需求关键词最多的v个需求描述，得到v个第二目标需求描述；v为不小于1的整数，p为大于等于2的整数；
基于所述v个第二目标需求描述得到所述第二关联需求描述。
对于一些可能的实施例而言，所述太阳能电池的使用数据分析方法应用于AI机器学习模型，所述AI机器学习模型的调试步骤包括：
确定携带第二待分析太阳能电池用户的调试使用数据记录和待调试机器学习模型；
通过所述待调试机器学习模型对所述调试使用数据记录进行处理，得到涵盖所述第二待分析太阳能电池用户的整体化使用兴趣偏好的第一调试型需求描述和包括所述第二待分析太阳能电池用户的显著用电事件使用兴趣偏好的第二调试型需求描述；
基于所述第一调试型需求描述和所述调试使用数据记录的注释信息，得到第一整体化模型代价；
基于所述第二调试型需求描述和所述注释信息，得到第一显著用电事件模型代价；
基于所述第一整体化模型代价和所述第一显著用电事件模型代价，得到所述待调试机器学习模型的目标模型代价；
基于所述目标模型代价改进所述待调试机器学习模型的模型变量，得到所述AI机器学习模型。
对于一些可能的实施例而言，在所述基于所述第一整体化模型代价和所述第一显著用电事件模型代价，得到所述待调试机器学习模型的目标模型代价之前，所述方法还包括：通过所述待调试机器学习模型对所述调试使用数据记录进行处理，得到涵盖所述第二待分析太阳能电池用户的阶段化关联事件集的使用兴趣偏好的第三调试型需求描述；基于所述第三调试型需求描述和所述注释信息，得到第一阶段化关联事件集模型代价；
所述基于所述第一整体化模型代价和所述第一显著用电事件模型代价，得到所述待调试机器学习模型的目标模型代价，包括：基于所述第一整体化模型代价、所述第一显著用电事件模型代价和所述第一阶段化关联事件集模型代价，得到所述目标模型代价。
对于一些可能的实施例而言，所述通过所述待调试机器学习模型对所述调试使用数据记录进行处理，得到涵盖所述第二待分析太阳能电池用户的显著用电事件使用兴趣偏好的第二调试型需求描述，包括：
通过所述待调试机器学习模型对所述调试使用数据记录进行处理，得到n个第一中间型需求描述；所述第一中间型需求描述包括所述第二待分析太阳能电池用户的显著用电事件使用兴趣偏好，且随机两个所述第一中间型需求描述所包括的使用兴趣偏好对应于相异的所述显著用电事件；
从所述n个第一中间型需求描述中定位包括需求关键词最多的r个需求描述，得到r个第二中间型需求描述；r为不小于1的整数；
对所述r个第二中间型需求描述进行描述加权操作，得到所述第二调试型需求描述。
对于一些可能的实施例而言，所述第一整体化模型代价包括整体化注意力模型代价；所述基于所述第一调试型需求描述和所述调试使用数据记录的注释信息，得到第一整体化模型代价，包括：
基于所述第一调试型需求描述，得到所述第二待分析太阳能电池用户的第三使用需求知识库；
基于所述第三使用需求知识库和所述注释信息，得到所述第三使用需求知识库的注意力模型代价，作为所述整体化注意力模型代价。
对于一些可能的实施例而言，所述调试使用数据记录属于调试使用数据记录序列；所述调试使用数据记录序列还涵盖所述调试使用数据记录的第一积极范例使用数据记录和所述调试使用数据记录的第一消极范例使用数据记录；所述第一整体化模型代价还涵盖整体化稀疏模型代价；
所述方法还包括：
通过所述待调试机器学习模型对所述第一积极范例使用数据记录进行用户需求挖掘操作，得到所述第一积极范例使用数据记录的需求描述；
通过所述待调试机器学习模型对所述第一消极范例使用数据记录进行用户需求挖掘操作，得到所述第一消极范例使用数据记录的需求描述；
基于所述第一调试型需求描述、所述第一积极范例使用数据记录的需求描述和所述第一消极范例使用数据记录的需求描述，得到所述整体化稀疏模型代价。
第二方面，本发明实施例还提供了一种数据分析系统，包括处理引擎、网络模块和存储器，所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎用于从所述存储器中读取计算机程序并运行，以实现上述的方法。
本发明实施例中，通过对初始数据使用记录进行差异化的用户需求挖掘操作，能够得到反映局部兴趣偏好的第一需求描述以及反映全局兴趣偏好的第二需求描述，这样能够从不同角度以全面完整地得到尽可能丰富的需求描述。基于此，能够对第一需求描述和第二需求描述进行加权处理以得到第三需求描述。可以理解的是，第三需求描述涵盖了局部需求和全局需求，因而能够覆盖尽可能多的用户需求情况，这样能够基于第三需求描述准确完整地生成第一待分析太阳能电池用户的使用需求知识库，由于使用需求知识库同样能够覆盖局部需求知识集和全局需求知识集，因而能够为后续的太阳能电池的功能完善和用电安全处理提供决策依据。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中参考数字在附图的各个视图中代表相似的机构。
图1是根据本发明的一些实施例所示的一种示例性太阳能电池的使用数据分析方法的应用场景的框图。
图2是根据本发明的一些实施例所示的一种示例性数据分析系统中硬件和软件组成的示意图。
图3是根据本发明的一些实施例所示的一种示例性太阳能电池的使用数据分析方法和/或过程的流程图。
具体实施方式
为了更好的理解上述技术方案，下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明，而不是对本发明技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本发明。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本发明的方面。
这些和其他特性、当前申请披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性,在参照附图进行以下描述的考虑中可能会变得更加明显,所有这些形成本发明的一部分。然而，需要理解清楚的是，附图仅仅是为了说明和描述的目的，并不旨在限制本发明的范围。应当了解的是，这些图纸不是按比例绘制的。然而，应当明确理解的是，附图仅用于说明和描述的目的，并不意图限制本发明的范围。应当知晓的是，这些附图并不依照比例。
本发明中使用流程图说明根据本发明的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
图1是根据本发明的一些实施例所示的一种示例性太阳能电池的使用数据分析方法的应用环境300的框图，太阳能电池的使用数据分析方法的应用环境300可以包括数据分析系统100和太阳能电池用户端200。
在一些实施例中，如图2所示，数据分析系统100可以包括处理引擎110、网络模块120和存储器130，处理引擎110和存储器130通过网络模块120通信。
处理引擎110可以处理相关的信息和/或数据以执行本发明中描述的一个或多个功能。例如，在一些实施例中，处理引擎110可以包括至少一个处理引擎(例如，单核处理引擎或多核处理器)。仅作为示例，处理引擎110可以包括中央处理单元(Central ProcessingUnit，CPU)、专用集成电路(Application-Specific Integrated Circuit，ASIC)、专用指令集处理器(Application-Specific Instruction-set Processor，ASIP)、图形处理单元(Graphics Processing Unit，GPU)、物理处理单元(Physics Processing Unit，PPU)、数字信号处理器(Digital Signal Processor，DSP)、现场可编程门阵列(Field ProgrammableGate Array，FPGA)、可编程逻辑器件(Programmable Logic Device，PLD)、控制器、微控制器单元、精简指令集计算机(Reduced Instruction-Set Computer，RISC)、微处理器等或其任意组合。
网络模块120可以促进信息和/或数据的交换。在一些实施例中，网络模块120可以是任何类型的有线或无线网络或其组合。仅作为示例，网络模块120可以包括缆线网络、有线网络、光纤网络、电信网络、内部网络、互联网、局域网络(Local Area Network，LAN)、广域网(Wide Area Network，WAN)、无线局域网络(Wireless Local Area Network，WLAN)、城域网(Metropolitan Area Network，MAN)、公用电话交换网(Public Telephone SwitchedNetwork，PSTN)、蓝牙网络、无线个域网络、近场通讯(Near Field Communication，NFC)网络等或上述举例的任意组合。在一些实施例中，网络模块120可以包括至少一个网络接入点。例如，网络模块120可以包括有线或无线网路接入点，如基站和/或网路接入点。
存储器130可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-OnlyMemory，PROM），可擦除只读存储器（Erasable Programmable Read-Only Memory，EPROM），电可擦除只读存储器（Electric Erasable Programmable Read-Only Memory，EEPROM）等。其中，存储器130用于存储程序，所述处理引擎110在接收到执行指令后，执行所述程序。
可以理解，图2所示的结构仅为示意，数据分析系统100还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
图3是根据本发明的一些实施例所示的一种示例性太阳能电池的使用数据分析方法和/或过程的流程图，太阳能电池的使用数据分析方法应用于图1中的数据分析系统100，进一步可以包括以下内容所描述的技术方案。
310、确定携带第一待分析太阳能电池用户的初始使用数据记录；对所述初始使用数据记录启用第一用户需求挖掘操作，得到涵盖所述第一待分析太阳能电池用户的阶段化使用兴趣偏好的第一需求描述。
例如，所述阶段化使用兴趣偏好包括显著用电事件使用兴趣偏好，所述第一需求描述包括所述待分析太阳能电池用户的n个显著用电事件的使用兴趣偏好；其中，n为大于等于1的整数。
进一步地，携带携带第一待分析太阳能电池用户的初始使用数据记录可以理解为携带第一待分析太阳能电池用户的用户标签的初始使用数据记录，该初始使用数据记录为针对太阳能电池的一部分使用数据集，第一用户需求挖掘操作可以理解为第一特征提取处理，比如可以理解为局部特征提取处理，进一步所得到的第一需求描述涵盖阶段化（局部）使用兴趣偏好。为便于说明，本发明中的需求描述可以理解为特征数据、特征向量、描述向量或者特征图。进一步地，显著用电事件可以理解为热度较高或者特征识别度较大的用电事件。
此外，所述阶段化使用兴趣偏好还涵盖阶段化关联事件集使用兴趣偏好，所述第一需求描述还涵盖所述待分析太阳能电池用户的n个阶段化关联事件集的使用兴趣偏好。基于此，310所描述的对所述初始使用数据记录启用第一用户需求挖掘操作，得到涵盖所述第一待分析太阳能电池用户的阶段化使用兴趣偏好的第一需求描述，可以包括311-313所描述的技术方案。
311、对所述初始使用数据记录进行第三用户需求挖掘操作，得到第一关联需求描述。
例如，所述第一关联需求描述包括所述第一待分析太阳能电池用户的n个显著用电事件的使用兴趣偏好。关联需求描述可以是存在时序关联或者线路关联的需求描述。
在一些可能的实施例中，311所描述的对所述初始使用数据记录进行第三用户需求挖掘操作，得到第一关联需求描述，可以包括3111-3113所描述的技术方案。
3111、对所述初始使用数据记录进行第五用户需求挖掘操作，得到n个第一差异化需求描述。
例如，所述第一差异化需求描述包括所述显著用电事件的使用兴趣偏好，且随机两个所述第一差异化需求描述所包括的使用兴趣偏好对应于相异的所述显著用电事件。
3112、从所述n个第一差异化需求描述中定位包括需求关键词最多的u个需求描述，得到u个第一目标需求描述。
例如，u为不小于1的整数。
3113、基于所述u个第一目标需求描述得到所述第一关联需求描述。
可以理解的是，通过3111-3113，能够引入差异化需求描述进行分析，由于随机两个所述第一差异化需求描述所包括的使用兴趣偏好对应于相异的所述显著用电事件，因而能够结合差异化需求描述进行需求关键词定位以得到第一目标需求描述，这样能够从需求关键词层面切入以准确完整得到第一关联需求描述。
312、对所述初始使用数据记录进行第四用户需求挖掘操作，得到第二关联需求描述。
例如，所述第二关联需求描述包括所述第一待分析太阳能电池用户的n个阶段化关联事件集的使用兴趣偏好；所述阶段化关联事件集属于所述第一待分析太阳能电池用户所匹配的关联事件集，且所述阶段化关联事件集的关联事件数量小于所述第一待分析太阳能电池用户所匹配的关联事件集的关联事件数量。
在一些可能的实施例中，312所描述的对所述初始使用数据记录进行第四用户需求挖掘操作，得到第二关联需求描述，可以包括3121-3123所描述的技术方案。
3121、对所述初始使用数据记录进行第十用户需求挖掘操作，得到n个第二差异化需求描述。
例如，所述第二差异化需求描述包括所述显著用电事件的使用兴趣偏好，且随机两个所述第二差异化需求描述所包括的使用兴趣偏好对应于相异的所述阶段化关联事件集。
3122、从p个第二差异化需求描述中定位携带需求关键词最多的v个需求描述，得到v个第二目标需求描述。例如，v为不小于1的整数，p为大于等于2的整数。
3123、基于所述v个第二目标需求描述得到所述第二关联需求描述。
可以理解的是，基于3121-3123，能够确保第二关联需求描述的完整性和准确性。
313、对所述第一关联需求描述和第二关联需求描述进行描述加权操作，得到所述第一需求描述。
如此设计，通过应用311-313，能够将不同的关联需求描述考虑在内，这样可以尽量保障第一需求描述的完整性和准确性。
320、对所述初始使用数据记录启用第二用户需求挖掘操作，得到涵盖所述第一待分析太阳能电池用户的整体化使用兴趣偏好的第二需求描述；对所述第一需求描述和所述第二需求描述进行描述加权操作，得到所述第一待分析太阳能电池用户的第三需求描述；所述第三需求描述用于确定所述第一待分析太阳能电池用户的使用需求知识库。
在本发明实施例中，对所述初始使用数据记录启用第二用户需求挖掘操作，得到涵盖所述第一待分析太阳能电池用户的整体化使用兴趣偏好的第二需求描述的实现方式与310中的相关实现方式类似，因此在此不作更多说明。
进一步地，对所述第一需求描述和所述第二需求描述进行描述加权操作，可以将第一需求描述和第二需求描述进行融合处理，比如将相关的需求描述向量进行加权处理或者随机映射处理以得到更为丰富完整的第三需求描述。
进一步地，上述方法可以通过AI机器学习模型实现。举例而言，所述AI机器学习模型的调试步骤可以包括410-460所描述的技术方案。
410、确定携带第二待分析太阳能电池用户的调试使用数据记录和待调试机器学习模型。
420、通过所述待调试机器学习模型对所述调试使用数据记录进行处理，得到涵盖所述第二待分析太阳能电池用户的整体化使用兴趣偏好的第一调试型需求描述和包括所述第二待分析太阳能电池用户的显著用电事件使用兴趣偏好的第二调试型需求描述。
430、基于所述第一调试型需求描述和所述调试使用数据记录的注释信息，得到第一整体化模型代价。
在一些可能的实施例中，430所描述的所述第一整体化模型代价包括整体化注意力模型代价；所述基于所述第一调试型需求描述和所述调试使用数据记录的注释信息，得到第一整体化模型代价，可以包括：基于所述第一调试型需求描述，得到所述第二待分析太阳能电池用户的第三使用需求知识库；基于所述第三使用需求知识库和所述注释信息，得到所述第三使用需求知识库的注意力模型代价，作为所述整体化注意力模型代价。
例如，注意力模型代价可以理解为焦点损失。
440、基于所述第二调试型需求描述和所述注释信息，得到第一显著用电事件模型代价。
例如，注释信息可以是标注信息。
450、基于所述第一整体化模型代价和所述第一显著用电事件模型代价，得到所述待调试机器学习模型的目标模型代价。
例如，整体化模型代价可以理解为全局损失，目标模型代价可以理解为加权损失。
对于一些可能的实施例而言，在450所描述的基于所述第一整体化模型代价和所述第一显著用电事件模型代价，得到所述待调试机器学习模型的目标模型代价之前，所述方法还包括：通过所述待调试机器学习模型对所述调试使用数据记录进行处理，得到涵盖所述第二待分析太阳能电池用户的阶段化关联事件集的使用兴趣偏好的第三调试型需求描述；基于所述第三调试型需求描述和所述注释信息，得到第一阶段化关联事件集模型代价。基于此，450所描述的基于所述第一整体化模型代价和所述第一显著用电事件模型代价，得到所述待调试机器学习模型的目标模型代价，包括：基于所述第一整体化模型代价、所述第一显著用电事件模型代价和所述第一阶段化关联事件集模型代价，得到所述目标模型代价。
460、基于所述目标模型代价改进所述待调试机器学习模型的模型变量，得到所述AI机器学习模型。
例如，模型代价可以是损失函数，模型变量可以是参数。
在一些可能的实施例中，所述通过所述待调试机器学习模型对所述调试使用数据记录进行处理，得到涵盖所述第二待分析太阳能电池用户的显著用电事件使用兴趣偏好的第二调试型需求描述，可以包括以下内容：通过所述待调试机器学习模型对所述调试使用数据记录进行处理，得到n个第一中间型需求描述；所述第一中间型需求描述包括所述第二待分析太阳能电池用户的显著用电事件使用兴趣偏好，且随机两个所述第一中间型需求描述所包括的使用兴趣偏好对应于相异的所述显著用电事件；从所述n个第一中间型需求描述中定位包括需求关键词最多的r个需求描述，得到r个第二中间型需求描述；r为不小于1的整数；对所述r个第二中间型需求描述进行描述加权操作，得到所述第二调试型需求描述。
在一些可能的示例中，所述调试使用数据记录属于调试使用数据记录序列；所述调试使用数据记录序列还涵盖所述调试使用数据记录的第一积极范例使用数据记录和所述调试使用数据记录的第一消极范例使用数据记录；所述第一整体化模型代价还涵盖整体化稀疏模型代价。
基于此，该方法还可以包括以下内容：通过所述待调试机器学习模型对所述第一积极范例使用数据记录进行用户需求挖掘操作，得到所述第一积极范例使用数据记录的需求描述；通过所述待调试机器学习模型对所述第一消极范例使用数据记录进行用户需求挖掘操作，得到所述第一消极范例使用数据记录的需求描述；基于所述第一调试型需求描述、所述第一积极范例使用数据记录的需求描述和所述第一消极范例使用数据记录的需求描述，得到所述整体化稀疏模型代价。
例如，积极范例可以理解为正样本，消极范例可以理解为负样本。进一步地，稀疏模型代价可以理解通过三种元素组合形成的模型损失，如此设计，能够保障整体化稀疏模型代价的完整性。
在上述内容的基础上，该方法还可以包括以下内容：根据所述第三需求描述，生成所述第一待分析太阳能电池用户的使用需求知识库；响应于接收到的安全用电指令，从所述使用需求知识库中识别得到潜在用电风险特征，根据所述潜在用电风险特征生成针对所述使用需求知识库的用电指南。
在本发明实施例中，可以借助知识图谱的相关技术对第三需求描述进行节点化实体处理，从而综合不同实体之间的连接关系建立使用需求知识库。此外，安全用电指令可以是安全用电管理平台下发的，基于此，可以对使用需求知识库进行用电风险分析，从而得到潜在用电风险特征，这样能够结合潜在用电风险特征针对性地生成使用需求知识库的用电指南以确保太阳能电池的用电安全。
在一些可能的实施例中，根据所述潜在用电风险特征生成针对所述使用需求知识库的用电指南，可以包括以下内容：基于所述潜在用电风险特征获取待进行风险损失评估的目标可视化特征列表；对所述目标可视化特征列表中的多个用电风险特征向量分别进行启动型用电行为检测和关闭型用电行为检测，得到启动型用电行为检测结果集和关闭型用电行为检测结果集；通过第一设定校对指示，对所述启动型用电行为检测结果集进行第一校对处理，得到包括有启动型用电行为的第一可视化特征集；通过第二设定校对指示，对所述关闭型用电行为检测结果集进行第二校对处理，得到包括有关闭型用电行为的第二可视化特征集；基于所述第一可视化特征集和所述第二可视化特征集进行优化处理，得到所述目标可视化特征列表中与目标用电行为相匹配的目标可视化特征集；所述目标用电行为包括启动型用电行为和关闭型用电行为中的至少一种，所述目标可视化特征集用于对所述目标可视化特征列表进行风险损失评估；根据所述目标可视化特征集确定所述目标可视化特征列表的风险损失评估结果，通过所述风险损失评估结果生成使用需求知识库的用电指南。
如此设计，通过考虑启动型用电行为和关闭型用电行为，能够将不同用电行为考虑在内，从而准确可靠地确定出风险损失评估结果，这样能够通过风险损失评估结果针对性地生成使用需求知识库的用电指南，以确保太阳能电池的用电安全。
在一些可能的实施例中，所述对所述目标可视化特征列表中的多个用电风险特征向量分别进行启动型用电行为检测和关闭型用电行为检测，得到启动型用电行为检测结果集和关闭型用电行为检测结果集，包括：对所述目标可视化特征列表中的多个用电风险特征向量分别进行启动型用电行为检测，得到各个用电风险特征向量中的启动型用电行为检测内容、以及各启动型用电行为检测内容所对应的初始用电行为类别；基于各用电风险特征向量中的启动型用电行为检测内容和相应的初始用电行为类别，确定启动型用电行为检测结果集；对所述目标可视化特征列表中的多个用电风险特征向量分别进行关闭型用电行为检测，得到关闭型用电行为检测结果集。如此设计，可以保障启动型用电行为检测结果集和关闭型用电行为检测结果集的完整性。
在一些可能的实施例中，所述对所述目标可视化特征列表中的多个用电风险特征向量分别进行关闭型用电行为检测，得到关闭型用电行为检测结果集，包括：对所述目标用电风险特征向量中的多个用电风险特征向量分别进行短路风险分析，得到各用电风险特征向量分别对应的短路风险分析情况；对所述目标用电风险特征向量中的多个用电风险特征向量分别进行跳闸风险分析，得到各用电风险特征向量分别对应的跳闸风险分析情况；将匹配于相同用电环境的短路风险分析情况和跳闸风险分析情况进行关联；基于所述目标用电风险特征向量中与目标短路风险分析情况相关联的跳闸风险分析情况进行关闭型用电行为检测处理，得到关闭型用电行为检测结果集。如此设计，能够保障关闭型用电行为检测结果集的完整性。
本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及目标的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀，例如“第一”、“第二”、“上一个”、“下一个”、“前一个”、“后一个”、“当前”、“历史”、“最新”、“最佳”、“目标”、“指定”和“实时”等，可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀，例如“列表”、“特征”、“序列”、“集合”、“矩阵”、“单元”、“元素”、“轨迹”和“清单”等，也可以根据前后文进行毫无疑义地推导和确定。
本发明实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本发明所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本发明的限定。虽然此处并没有明确说明，本领域技术人员可以对本发明进行各种修改、改进和修正。该类修改、改进和修正在本发明中被建议，所以该类修改、改进、修正仍属于本发明示范实施例的精神和范围。
同时，本发明使用了特定术语来描述本发明的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本发明至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本发明的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。
另外，本领域普通技术人员可以理解的是，本发明的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们任何新的和有用的改进。相应地，本发明的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“系统”。此外，本发明的各方面可以表现为位于至少一个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。
计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤缆线、RF、或类似介质、或任何上述介质的组合。
本发明各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET，Python等，或类似的常规程序编程语言，如"C"编程语言，Visual Basic，Fortran2003，Perl，COBOL 2002，PHP，ABAP，动态编程语言如Python，Ruby和Groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网络(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。
此外，除非申请专利范围中明确说明，本发明所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本发明流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所有符合本发明实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件装置实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或行动装置上安装所描述的系统。
同样应当理解的是，为了简化本发明揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本发明实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法幷不意味着本发明对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (10)
1.一种太阳能电池的使用数据分析方法，其特征在于，应用于数据分析系统，所述方法至少包括：
确定携带第一待分析太阳能电池用户的初始使用数据记录；对所述初始使用数据记录启用第一用户需求挖掘操作，得到涵盖所述第一待分析太阳能电池用户的阶段化使用兴趣偏好的第一需求描述，所述阶段化使用兴趣偏好包括显著用电事件使用兴趣偏好，所述第一需求描述包括所述待分析太阳能电池用户的n个显著用电事件的使用兴趣偏好；其中，n为大于等于1的整数；
对所述初始使用数据记录启用第二用户需求挖掘操作，得到涵盖所述第一待分析太阳能电池用户的整体化使用兴趣偏好的第二需求描述；对所述第一需求描述和所述第二需求描述进行描述加权操作，得到所述第一待分析太阳能电池用户的第三需求描述；所述第三需求描述用于确定所述第一待分析太阳能电池用户的使用需求知识库。
2.根据权利要求1所述的方法，其特征在于，所述阶段化使用兴趣偏好还涵盖阶段化关联事件集使用兴趣偏好，所述第一需求描述还涵盖所述待分析太阳能电池用户的n个阶段化关联事件集的使用兴趣偏好。
3.根据权利要求2所述的方法，其特征在于，所述对所述初始使用数据记录启用第一用户需求挖掘操作，得到涵盖所述第一待分析太阳能电池用户的阶段化使用兴趣偏好的第一需求描述，包括：
对所述初始使用数据记录进行第三用户需求挖掘操作，得到第一关联需求描述；所述第一关联需求描述包括所述第一待分析太阳能电池用户的n个显著用电事件的使用兴趣偏好；
对所述初始使用数据记录进行第四用户需求挖掘操作，得到第二关联需求描述；所述第二关联需求描述包括所述第一待分析太阳能电池用户的n个阶段化关联事件集的使用兴趣偏好；所述阶段化关联事件集属于所述第一待分析太阳能电池用户所匹配的关联事件集，且所述阶段化关联事件集的关联事件数量小于所述第一待分析太阳能电池用户所匹配的关联事件集的关联事件数量；
对所述第一关联需求描述和第二关联需求描述进行描述加权操作，得到所述第一需求描述。
4.根据权利要求3所述的方法，其特征在于，所述对所述初始使用数据记录进行第三用户需求挖掘操作，得到第一关联需求描述，包括：
对所述初始使用数据记录进行第五用户需求挖掘操作，得到n个第一差异化需求描述；所述第一差异化需求描述包括所述显著用电事件的使用兴趣偏好，且随机两个所述第一差异化需求描述所包括的使用兴趣偏好对应于相异的所述显著用电事件；
从所述n个第一差异化需求描述中定位包括需求关键词最多的u个需求描述，得到u个第一目标需求描述；u为不小于1的整数；基于所述u个第一目标需求描述得到所述第一关联需求描述。
5.根据权利要求2~4中任意一项所述的方法，其特征在于，所述对所述初始使用数据记录进行第四用户需求挖掘操作，得到第二关联需求描述，包括：
对所述初始使用数据记录进行第十用户需求挖掘操作，得到n个第二差异化需求描述；所述第二差异化需求描述包括所述显著用电事件的使用兴趣偏好，且随机两个所述第二差异化需求描述所包括的使用兴趣偏好对应于相异的所述阶段化关联事件集；
从p个第二差异化需求描述中定位携带需求关键词最多的v个需求描述，得到v个第二目标需求描述；v为不小于1的整数，p为大于等于2的整数；基于所述v个第二目标需求描述得到所述第二关联需求描述。
6.根据权利要求1~4中任意一项所述的方法，其特征在于，所述太阳能电池的使用数据分析方法应用于AI机器学习模型，所述AI机器学习模型的调试步骤包括：
确定携带第二待分析太阳能电池用户的调试使用数据记录和待调试机器学习模型；
通过所述待调试机器学习模型对所述调试使用数据记录进行处理，得到涵盖所述第二待分析太阳能电池用户的整体化使用兴趣偏好的第一调试型需求描述和包括所述第二待分析太阳能电池用户的显著用电事件使用兴趣偏好的第二调试型需求描述；
基于所述第一调试型需求描述和所述调试使用数据记录的注释信息，得到第一整体化模型代价；基于所述第二调试型需求描述和所述注释信息，得到第一显著用电事件模型代价；基于所述第一整体化模型代价和所述第一显著用电事件模型代价，得到所述待调试机器学习模型的目标模型代价；基于所述目标模型代价改进所述待调试机器学习模型的模型变量，得到所述AI机器学习模型。
7.根据权利要求6所述的方法，其特征在于，在所述基于所述第一整体化模型代价和所述第一显著用电事件模型代价，得到所述待调试机器学习模型的目标模型代价之前，所述方法还包括：通过所述待调试机器学习模型对所述调试使用数据记录进行处理，得到涵盖所述第二待分析太阳能电池用户的阶段化关联事件集的使用兴趣偏好的第三调试型需求描述；基于所述第三调试型需求描述和所述注释信息，得到第一阶段化关联事件集模型代价；
所述基于所述第一整体化模型代价和所述第一显著用电事件模型代价，得到所述待调试机器学习模型的目标模型代价，包括：基于所述第一整体化模型代价、所述第一显著用电事件模型代价和所述第一阶段化关联事件集模型代价，得到所述目标模型代价。
8.根据权利要求7所述的方法，其特征在于，所述通过所述待调试机器学习模型对所述调试使用数据记录进行处理，得到涵盖所述第二待分析太阳能电池用户的显著用电事件使用兴趣偏好的第二调试型需求描述，包括：
通过所述待调试机器学习模型对所述调试使用数据记录进行处理，得到n个第一中间型需求描述；所述第一中间型需求描述包括所述第二待分析太阳能电池用户的显著用电事件使用兴趣偏好，且随机两个所述第一中间型需求描述所包括的使用兴趣偏好对应于相异的所述显著用电事件；
从所述n个第一中间型需求描述中定位包括需求关键词最多的r个需求描述，得到r个第二中间型需求描述；r为不小于1的整数；
对所述r个第二中间型需求描述进行描述加权操作，得到所述第二调试型需求描述。
9.根据权利要求6所述的方法，其特征在于，所述第一整体化模型代价包括整体化注意力模型代价；所述基于所述第一调试型需求描述和所述调试使用数据记录的注释信息，得到第一整体化模型代价，包括：
基于所述第一调试型需求描述，得到所述第二待分析太阳能电池用户的第三使用需求知识库；
基于所述第三使用需求知识库和所述注释信息，得到所述第三使用需求知识库的注意力模型代价，作为所述整体化注意力模型代价；
其中，所述调试使用数据记录属于调试使用数据记录序列；所述调试使用数据记录序列还涵盖所述调试使用数据记录的第一积极范例使用数据记录和所述调试使用数据记录的第一消极范例使用数据记录；所述第一整体化模型代价还涵盖整体化稀疏模型代价；
所述方法还包括：通过所述待调试机器学习模型对所述第一积极范例使用数据记录进行用户需求挖掘操作，得到所述第一积极范例使用数据记录的需求描述；通过所述待调试机器学习模型对所述第一消极范例使用数据记录进行用户需求挖掘操作，得到所述第一消极范例使用数据记录的需求描述；基于所述第一调试型需求描述、所述第一积极范例使用数据记录的需求描述和所述第一消极范例使用数据记录的需求描述，得到所述整体化稀疏模型代价。
10.一种数据分析系统，其特征在于，包括处理引擎、网络模块和存储器，所述处理引擎和所述存储器通过所述网络模块通信，所述处理引擎用于从所述存储器中读取计算机程序并运行，以实现权利要求1-9任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210124336.3A CN114169523B (zh) | 2022-02-10 | 2022-02-10 | 太阳能电池的使用数据分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210124336.3A CN114169523B (zh) | 2022-02-10 | 2022-02-10 | 太阳能电池的使用数据分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114169523A true CN114169523A (zh) | 2022-03-11 |
| CN114169523B CN114169523B (zh) | 2022-05-31 |
Family
ID=80489588
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210124336.3A Active CN114169523B (zh) | 2022-02-10 | 2022-02-10 | 太阳能电池的使用数据分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114169523B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114785284A (zh) * | 2022-06-21 | 2022-07-22 | 一道新能源科技(衢州)有限公司 | 太阳能电池故障分析方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102256266A (zh) * | 2011-07-04 | 2011-11-23 | 重庆邮电大学 | 一种面向用户应用的自适应接入网络选择实现装置及方法 |
| CN102859825A (zh) * | 2010-06-30 | 2013-01-02 | 惠普发展公司，有限责任合伙企业 | 用于电子设备的电池组 |
| US20170185910A1 (en) * | 2015-12-28 | 2017-06-29 | International Business Machines Corporation | Steering graph mining algorithms applied to complex networks |
| CN107590224A (zh) * | 2017-09-04 | 2018-01-16 | 北京京东尚科信息技术有限公司 | 基于大数据的用户偏好分析方法与装置 |
| CN108764663A (zh) * | 2018-05-15 | 2018-11-06 | 广东电网有限责任公司信息中心 | 一种电力客户画像生成管理的方法及系统 |
| CN110110881A (zh) * | 2019-03-21 | 2019-08-09 | 贵州电网有限责任公司 | 电力客户需求预测分析方法及系统 |
| CN111241187A (zh) * | 2020-02-26 | 2020-06-05 | 肖莎莎 | 一种大数据挖掘系统 |
| CN112632378A (zh) * | 2020-12-21 | 2021-04-09 | 高晓惠 | 基于大数据和人工智能的信息处理方法及数据服务器 |
| CN112966025A (zh) * | 2021-03-17 | 2021-06-15 | 焦点科技股份有限公司 | 一种binlog日志挖掘字典实现方法 |
| CN113256114A (zh) * | 2021-05-25 | 2021-08-13 | 国网宁夏电力有限公司电力科学研究院 | 基于分布式发电消纳的日前与时前两阶段的需求响应方法 |
| CN113837274A (zh) * | 2021-09-24 | 2021-12-24 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 基于用电特性分析的用户用电行为画像方法及装置 |
-
2022
- 2022-02-10 CN CN202210124336.3A patent/CN114169523B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102859825A (zh) * | 2010-06-30 | 2013-01-02 | 惠普发展公司，有限责任合伙企业 | 用于电子设备的电池组 |
| CN102256266A (zh) * | 2011-07-04 | 2011-11-23 | 重庆邮电大学 | 一种面向用户应用的自适应接入网络选择实现装置及方法 |
| US20170185910A1 (en) * | 2015-12-28 | 2017-06-29 | International Business Machines Corporation | Steering graph mining algorithms applied to complex networks |
| CN107590224A (zh) * | 2017-09-04 | 2018-01-16 | 北京京东尚科信息技术有限公司 | 基于大数据的用户偏好分析方法与装置 |
| CN108764663A (zh) * | 2018-05-15 | 2018-11-06 | 广东电网有限责任公司信息中心 | 一种电力客户画像生成管理的方法及系统 |
| CN110110881A (zh) * | 2019-03-21 | 2019-08-09 | 贵州电网有限责任公司 | 电力客户需求预测分析方法及系统 |
| CN111241187A (zh) * | 2020-02-26 | 2020-06-05 | 肖莎莎 | 一种大数据挖掘系统 |
| CN112632378A (zh) * | 2020-12-21 | 2021-04-09 | 高晓惠 | 基于大数据和人工智能的信息处理方法及数据服务器 |
| CN112966025A (zh) * | 2021-03-17 | 2021-06-15 | 焦点科技股份有限公司 | 一种binlog日志挖掘字典实现方法 |
| CN113256114A (zh) * | 2021-05-25 | 2021-08-13 | 国网宁夏电力有限公司电力科学研究院 | 基于分布式发电消纳的日前与时前两阶段的需求响应方法 |
| CN113837274A (zh) * | 2021-09-24 | 2021-12-24 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 基于用电特性分析的用户用电行为画像方法及装置 |
Non-Patent Citations (6)
| Title |
|---|
| NING CHEN 等: "AR-Miner: Mining Informative Reviews for Developers from Mobile App Marketplace", 《ICSE 2014》 * |
| NING CHEN 等: "AR-Miner: Mining Informative Reviews for Developers from Mobile App Marketplace", 《ICSE 2014》, 31 May 2014 (2014-05-31), pages 767 - 778, XP058700626, DOI: 10.1145/2568225.2568263 * |
| 陈德高 等: "电力大客户敏感性负荷需求特性分析", 《信息技术》 * |
| 陈德高 等: "电力大客户敏感性负荷需求特性分析", 《信息技术》, no. 7, 31 December 2021 (2021-12-31), pages 165 - 170 * |
| 雷翔胜 等: "基于两阶段聚类分析的用电需求响应潜力评估方法", 《南方能源建设》 * |
| 雷翔胜 等: "基于两阶段聚类分析的用电需求响应潜力评估方法", 《南方能源建设》, vol. 7, no. 2, 31 December 2020 (2020-12-31), pages 1 - 10 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114785284A (zh) * | 2022-06-21 | 2022-07-22 | 一道新能源科技(衢州)有限公司 | 太阳能电池故障分析方法及系统 |
| CN114785284B (zh) * | 2022-06-21 | 2022-08-23 | 一道新能源科技(衢州)有限公司 | 太阳能电池故障分析方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114169523B (zh) | 2022-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113657661A (zh) | 一种企业碳排放预测方法、装置、计算机设备和存储介质 | |
| CN114169523B (zh) | 太阳能电池的使用数据分析方法及系统 | |
| CN112330078B (zh) | 用电量预测方法、装置、计算机设备和存储介质 | |
| US11774505B1 (en) | Estimation method for safety state of battery pack based on deep learning and consistency detection | |
| CN117767250B (zh) | 基于故障监测的直流微电网协调控制方法及系统 | |
| Yang et al. | Investigating black-box model for wind power forecasting using local interpretable model-agnostic explanations algorithm: Why should a model be trusted? | |
| CN113862691A (zh) | 光伏制氢的控制方法、装置、存储介质及电子设备 | |
| CN115128438A (zh) | 一种芯片内部故障监测方法及其装置 | |
| CN117932513A (zh) | 车辆电池异常电芯的识别方法、装置、设备及存储介质 | |
| CN108846505A (zh) | 可再生能源并网消纳信息多维度校核方法及设备 | |
| CN116030115B (zh) | 应用于ai的视觉设计图像分析方法及系统 | |
| CN117293824A (zh) | 电力需求预测的方法、装置和计算机可读存储介质 | |
| CN111178556A (zh) | 电量异常检测方法、装置、计算机设备和可读存储介质 | |
| CN116706884A (zh) | 光伏发电量的预测方法、装置、终端及存储介质 | |
| CN116381424A (zh) | 一种基于多源数据融合的岸电箱绝缘性能异常检测方法 | |
| CN113971136B (zh) | 基于图像识别的页面测试方法及系统 | |
| CN114876731A (zh) | 风电场低效运行风电机组排查方法、系统、设备和介质 | |
| CN113569464A (zh) | 一种基于深度学习网络与多任务学习策略的风电机组振荡模态预测方法及装置 | |
| CN107591840B (zh) | 一种考虑随机相关性的区域多微网系统可靠性评估方法 | |
| CN113033414A (zh) | 用电数据异常检测方法、装置、计算机设备和存储介质 | |
| CN118070134B (zh) | 一种园区内用户用电能耗预测方法及系统 | |
| CN114897840A (zh) | 一种应用于智慧电网的发电机组检测方法 | |
| CN118263922A (zh) | 基于边云协同的发电智能调节控制方法、设备及存储介质 | |
| CN118503708A (zh) | 一种固态电池故障预警方法及装置 | |
| CN117805652A (zh) | 阀控密封铅酸蓄电池的健康度评估方法、装置以及设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: No. 43 Bailing South Road, Quzhou City, Zhejiang Province 324022 Patentee after: Yidao New Energy Technology Co.,Ltd. Address before: 324000 room 604, building 3, Donggang Third Road, green industry cluster area, Qujiang District, Quzhou City, Zhejiang Province Patentee before: A New Energy Technology (Quzhou) Co.,Ltd. |
|
| CP03 | Change of name, title or address |