JP2022552450A - 電力消費量を予測するための方法および装置、機器ならびに可読記憶媒体 - Google Patents
電力消費量を予測するための方法および装置、機器ならびに可読記憶媒体 Download PDFInfo
- Publication number
- JP2022552450A JP2022552450A JP2022552128A JP2022552128A JP2022552450A JP 2022552450 A JP2022552450 A JP 2022552450A JP 2022552128 A JP2022552128 A JP 2022552128A JP 2022552128 A JP2022552128 A JP 2022552128A JP 2022552450 A JP2022552450 A JP 2022552450A
- Authority
- JP
- Japan
- Prior art keywords
- variable
- power consumption
- discrete
- continuous
- time period
- 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 57
- 238000012549 training Methods 0.000 claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims description 85
- 238000010606 normalization Methods 0.000 claims description 25
- 230000015654 memory Effects 0.000 claims description 17
- 238000013507 mapping Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 9
- 230000001932 seasonal effect Effects 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 22
- 238000004364 calculation method Methods 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241000288105 Grus Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- 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"
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2639—Energy management, use maximum of cheap power, keep peak load low
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Water Supply & Treatment (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Power Engineering (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
Description
過去の時間周期に電気機器によって生じた基準変数を取得するステップであって、基準変数は離散型基準変数と連続型基準変数を含み、離散型基準変数は過去の時間周期に事前設定継続時間に従って収集され、連続型基準変数は過去の時間周期に連続的に収集されるステップと;
電力消費量予測モデルを用いて基準変数の特性を抽出することによって可変特性を取得するステップであって、電力消費量予測モデルはサンプル電力消費量がマークされたサンプル基準変数を訓練することによって得られ、サンプル基準変数はサンプル離散変数とサンプル連続変数を含むステップと;
可変特性に基づいた電力消費量予測モデルを用いた予測によって対象時間周期の予測電力消費量を取得するステップであって、対象時間周期と過去の時間周期は対応関係を有するステップとを含む。
電力消費量予測モデルを用いて離散型基準変数の特性を抽出することによって離散変数特性を取得するステップと;
電力消費量予測モデルを用いて連続型基準変数の特性を抽出することによって連続変数特性を取得するステップと;
離散変数特性と連続変数特性とを参照することによって可変特性を取得するステップとを含む。
電力消費量予測モデルを用いて第1の事前設定データ範囲内の離散型基準変数にデータ正規化を行うことによって正規化された離散変数を取得するステップと;
正規化された離散変数に対応する離散特性マトリクスを構築するステップと;
離散特性マトリクスを参照して計算することによって離散型基準変数に対応する離散変数特性を取得するステップとを含む。
電力消費量予測モデルを用いて離散型基準変数を第1の事前設定データ範囲にマッピングすることによって正規化された離散変数を取得するステップを含む。
時間基準変数は、過去の時間周期に対応する日付を含み;
季節基準変数は、過去の時間周期に対応する季節を含み;
休日基準変数は、過去の時間周期に対応する休日の種類を含む。
電力消費量予測モデルを用いて第2の事前設定データ範囲内の連続型基準変数にデータ正規化を行うことによって正規化された連続変数を取得するステップと;
正規化された連続変数に基づいて連続特性マトリクスを構築するステップと;
連続特性マトリクスを計算することによって連続型基準変数に対応する連続変数特性を取得するステップとを含む。
電力消費量予測モデルを用いて連続型基準変数を第2の事前設定データ範囲にマッピングすることによって正規化された連続変数を取得するステップを含む。
温度基準変数は、過去の時間周期の温度を示し;
電力消費量基準変数は、過去の時間周期の総電力消費量を示し;
湿度基準変数は、過去の時間周期の空気湿度を示す。
過去の時間周期に生じた基準変数を取得するように構成された取得モジュールであって、基準変数は離散型基準変数と連続型基準変数を含み、離散型基準変数は過去の時間周期の事前設定継続時間に従って収集され、連続型基準変数は過去の時間周期に連続的に収集される取得モジュールと;
電力消費量予測モデルを用いて基準変数の特性を抽出することによって可変特性を取得するように構成された抽出モジュールと;
可変特性に基づいた電力消費量予測モデルを用いた予測によって対象時間周期の予測電力消費量を取得するように構成された予測モジュールであって、対象時間周期と過去の時間周期は対応関係を有する予測モジュールとを含む。
抽出モジュールは、電力消費量予測モデルを用いて連続型基準変数の特性を抽出することによって連続変数特性を取得するようにさらに構成される。
正規化された離散変数に基づいて離散特性マトリクスを構築するように構成された構築モジュールと;
離散特性マトリクスを計算することによって離散型基準変数に対応する離散変数特性を取得するように構成された計算モジュールとをさらに含む。
時間基準変数は、過去の時間周期に対応する日付を含み;
季節基準変数は、過去の時間周期に対応する季節を含み;
休日基準変数は、過去の時間周期に対応する休日の種類を含む。
構築モジュールは、正規化された連続変数に従って連続特性マトリクスを構築するように構成され;
計算モジュールは、連続特性マトリクスを計算することによって連続型基準変数に対応する連続変数特性を取得するように構成される。
温度基準変数は、過去の時間周期の温度を示し;
電力消費量基準変数は、過去の時間周期の総電力消費量を示し;
湿度基準変数は、過去の時間周期の空気湿度を示す。
過去の時間周期に生じた基準変数を取得するように構成された取得モジュール901であって、基準変数は離散型基準変数と連続型基準変数を含み、離散型基準変数は過去の時間周期に事前設定継続時間に従って収集される変数であり、連続型基準変数は過去の時間周期に連続的に収集される変数である取得モジュール901と;
電力消費量予測モデルを用いて基準変数の特性を抽出して可変特性を取得するように構成された抽出モジュール902であって、電力消費量予測モデルはサンプル電力消費量がマークされたサンプル基準変数を訓練することによって得られ、サンプル基準変数はサンプル離散変数とサンプル連続変数を含む抽出モジュール902と;
可変特性に基づいた電力消費量予測モデルを用いた予測によって対象時間周期の予測電力消費量を取得するように構成された予測モデル903であって、対象時間周期と過去の時間周期は対応関係を有する予測モデル903とを含む。
正規化された離散変数に基づいて離散特性マトリクスを構築するように構成された構築モジュール906と;
離散特性マトリクスを参照した計算によって離散型基準変数に対応する離散変数特性を取得するように構成された計算モジュール907とをさらに含む。
時間基準変数は、過去の時間周期に対応する日付を含み;
季節基準変数は、過去の時間周期に対応する季節を含み;
休日基準変数は、過去の時間周期に対応する休日の種類を含む。
構築モジュール906は、正規化された連続変数に基づいて連続特性マトリクスを構築するように構成され;
計算モジュール907は、連続特性マトリクスを計算して連続型基準変数に対応する連続変数特性を取得するように構成される。
温度基準変数は、過去の時間周期の温度を示し;
電力消費量基準変数は、過去の時間周期の総電力消費量を示し;
湿度基準変数は、過去の時間周期の空気湿度を示す。
Claims (11)
- 電力消費量を予測するための方法であって、
過去の時間周期に電気機器によって生じた基準変数を取得するステップであって、前記基準変数は離散型基準変数と連続型基準変数を含み、前記離散型基準変数は前記過去の時間周期に事前設定継続時間に従って収集され、前記連続型基準変数は前記過去の時間周期に連続的に収集される前記ステップと;
電力消費量予測モデルを用いて前記基準変数の特性を抽出することによって可変特性を取得するステップであって、前記電力消費量予測モデルはサンプル電力消費量がマークされたサンプル基準変数を訓練することによって得られ、前記サンプル基準変数はサンプル離散変数とサンプル連続変数を含む前記ステップと;
前記可変特性に基づいた前記電力消費量予測モデルを用いた断定によって対象時間周期の予測電力消費量を取得するステップであって、前記対象時間周期と前記過去の時間周期は対応関係を有する前記ステップとを含む、方法。 - 前記基準変数の前記特性を抽出することによって前記可変特性を取得する前記ステップは、
前記電力消費量予測モデルを用いて前記離散型基準変数の特性を抽出することによって離散変数特性を取得するステップと;
前記電力消費量予測モデルを用いて前記連続型基準変数の特性を抽出することによって連続変数特性を取得するステップと;
前記離散変数特性と前記連続変数特性とを参照することによって前記可変特性を取得するステップとを含む、請求項1に記載の方法。 - 前記電力消費量予測モデルを用いて前記離散型基準変数の前記特性を抽出することによって前記離散変数特性を取得する前記ステップは、
前記電力消費量予測モデルを用いて第1の事前設定データ範囲内の前記離散型基準変数にデータ正規化を行うことによって正規化された離散変数を取得するステップと;
前記正規化された離散変数に対応する離散特性マトリクスを構築するステップと;
前記離散特性マトリクスを参照した計算によって前記離散型基準変数に対応する前記離散変数特性を取得するステップとを含む、請求項2に記載の方法。 - 前記電力消費量予測モデルを用いて前記第1の事前設定データ範囲内の前記離散型基準変数にデータ正規化を行うことによって前記正規化された離散変数を取得する前記ステップは、
前記電力消費量予測モデルを用いて前記離散型基準変数を前記第1の事前設定データ範囲にマッピングすることによって前記正規化された離散変数を取得するステップを含む、請求項3に記載の方法。 - 前記離散型基準変数は、時間基準変数、季節基準変数および休日基準変数のうちの少なくとも1つを含み;
前記時間基準変数は、前記過去の時間周期に対応する日付を含み;
前記季節基準変数は、前記過去の時間周期に対応する季節を含み;
前記休日基準変数は、前記過去の時間周期に対応する休日の種類を含む、請求項3に記載の方法。 - 前記電力消費量予測モデルを用いて前記連続型基準変数の前記特性を抽出することによって前記連続変数特性を取得する前記ステップは、
前記電力消費量予測モデルを用いて第2の事前設定データ範囲内の前記連続型基準変数にデータ正規化を行うことによって正規化された連続変数を取得するステップと;
前記正規化された連続変数に基づいて連続特性マトリクスを構築するステップと;
前記連続特性マトリクスを計算することによって前記連続型基準変数に対応する前記連続変数特性を取得するステップとを含む、請求項2に記載の方法。 - 前記電力消費量予測モデルを用いて前記第2の事前設定データ範囲内の前記連続型基準変数にデータ正規化を行うことによって前記正規化された連続変数を取得する前記ステップは、
前記電力消費量予測モデルを用いて前記連続型基準変数を前記第2の事前設定データ範囲にマッピングすることによって前記正規化された連続変数を取得するステップを含む、請求項6に記載の方法。 - 前記連続型基準変数は、温度基準変数、電力消費量基準変数および湿度基準変数のうちの少なくとも1つを含み;
前記温度基準変数は、前記過去の時間周期の温度を示し;
前記電力消費量基準変数は、前記過去の時間周期の総電力消費量を示し;
前記湿度基準変数は、前記過去の時間周期の空気湿度を示す、請求項6に記載の方法。 - 電力消費量を予測するための装置であって、
過去の時間周期に生じた基準変数を取得するように構成された取得モジュールであって、前記基準変数は離散型基準変数と連続型基準変数を含み、前記離散型基準変数は前記過去の時間周期に事前設定継続時間に従って収集され、前記連続型基準変数は前記過去の時間周期に連続的に収集される前記取得モジュールと;
電力消費量予測モデルを用いて前記基準変数の特性を抽出することによって可変特性を取得するように構成された抽出モジュールであって、前記電力消費量予測モデルはサンプル電力消費量がマークされたサンプル基準変数を訓練することによって得られ、前記サンプル基準変数はサンプル離散変数とサンプル連続変数を含む前記抽出モジュールと;
前記可変特性に基づいた前記電力消費量予測モデルを用いた予測によって対象時間周期の予測電力消費量を取得するように構成された予測モジュールであって、前記対象時間周期と前記過去の時間周期は対応関係を有する前記予測モジュールとを含む、装置。 - プロセッサと、少なくとも1つの命令、少なくとも1つのプログラム、少なくとも1つのコードセットまたは命令セットを保存するメモリとを含むコンピュータ機器であって、前記少なくとも1つの命令、前記少なくとも1つのプログラム、前記少なくとも1つのコードセットまたは命令セットは、前記プロセッサによってロードされて実行されると、前記プロセッサに請求項1~8のいずれか一項に記載の電力消費量を予測するための前記方法を実行させる、コンピュータ機器。
- 少なくとも1つの命令、少なくとも1つのプログラム、少なくとも1つのコードセットまたは命令セットを保存するコンピュータ可読記憶媒体であって、前記少なくとも1つの命令、前記少なくとも1つのプログラム、前記少なくとも1つのコードセットまたは命令セットは、プロセッサによってロードされて実行されると、前記プロセッサに請求項1~8のいずれか一項に記載の電力消費量を予測するための前記方法を実行させる、コンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911405459.9 | 2019-12-31 | ||
CN201911405459.9A CN111539841A (zh) | 2019-12-31 | 2019-12-31 | 电量预测方法、装置、设备及可读存储介质 |
PCT/SG2020/050773 WO2021137759A1 (en) | 2019-12-31 | 2020-12-23 | Method and apparatus for predicting power consumption, device and readiable storage medium |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022552450A true JP2022552450A (ja) | 2022-12-15 |
Family
ID=71976651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022552128A Pending JP2022552450A (ja) | 2019-12-31 | 2020-12-23 | 電力消費量を予測するための方法および装置、機器ならびに可読記憶媒体 |
Country Status (12)
Country | Link |
---|---|
US (1) | US20230049089A1 (ja) |
EP (1) | EP4085387A4 (ja) |
JP (1) | JP2022552450A (ja) |
KR (1) | KR102531593B1 (ja) |
CN (1) | CN111539841A (ja) |
AU (1) | AU2020418399A1 (ja) |
BR (1) | BR112022013053A2 (ja) |
CA (1) | CA3166446A1 (ja) |
CL (1) | CL2022001767A1 (ja) |
MX (1) | MX2022008117A (ja) |
WO (1) | WO2021137759A1 (ja) |
ZA (1) | ZA202208346B (ja) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021182224A (ja) * | 2020-05-18 | 2021-11-25 | 富士通株式会社 | ジョブスケジューリングプログラム、情報処理装置およびジョブスケジューリング方法 |
CN112036737B (zh) * | 2020-08-28 | 2024-01-09 | 京东方科技集团股份有限公司 | 区域电量偏差的计算方法及装置 |
CN112153216A (zh) * | 2020-09-16 | 2020-12-29 | Oppo广东移动通信有限公司 | 电量预警方法及装置、终端设备、存储介质 |
CN113222269A (zh) * | 2021-05-24 | 2021-08-06 | 郑州轻工业大学 | 基于大数据和人工智能的信息处理方法、系统和存储介质 |
CN113516315B (zh) * | 2021-07-23 | 2023-02-03 | 中南大学 | 风力发电功率区间预测方法、设备及介质 |
CN113554466B (zh) * | 2021-07-26 | 2023-04-28 | 国网四川省电力公司电力科学研究院 | 一种短期用电量预测模型构建方法、预测方法和装置 |
CN114236104A (zh) * | 2021-10-28 | 2022-03-25 | 阿里云计算有限公司 | 游离氧化钙测量方法、装置、设备、介质及产品 |
CN114330821A (zh) * | 2021-11-22 | 2022-04-12 | 科华数据股份有限公司 | 用电量预测方法、装置和设备 |
CN114781766B (zh) * | 2022-06-22 | 2022-09-13 | 长江水利委员会长江科学院 | 水文站点的水文信息预测方法、装置、设备及存储介质 |
CN116542421A (zh) * | 2023-04-18 | 2023-08-04 | 国网河北省电力有限公司营销服务中心 | 园区综合能源系统低碳调度方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1021489A (ja) * | 1996-07-02 | 1998-01-23 | Hitachi Ltd | 道路案内方法およびシステム |
US20190228481A1 (en) * | 2018-01-22 | 2019-07-25 | Pason Power Inc. | Intelligent energy management system for distributed energy resources and energy storage systems using machine learning |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4059014B2 (ja) * | 2001-06-19 | 2008-03-12 | 富士電機システムズ株式会社 | プラントの最適運用方法及びプラントの最適設計方法 |
US20060167591A1 (en) * | 2005-01-26 | 2006-07-27 | Mcnally James T | Energy and cost savings calculation system |
JP5988419B2 (ja) * | 2012-01-11 | 2016-09-07 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 予測方法、予測システムおよびプログラム |
CN104820877A (zh) * | 2015-05-21 | 2015-08-05 | 河海大学 | 基于云自适应pso-snn的光伏系统发电功率预测方法 |
JP6464129B2 (ja) * | 2016-11-07 | 2019-02-06 | 株式会社オプティマイザー | 電力需要調達支援システム、情報処理装置、情報処理方法および情報処理プログラム |
CN107016469A (zh) * | 2017-04-13 | 2017-08-04 | 重庆大学 | 电力负荷预测方法 |
CN107038502A (zh) * | 2017-04-18 | 2017-08-11 | 国网安徽省电力公司芜湖供电公司 | 考虑季节特性的改进小波包用电量预测方法 |
CN107145976A (zh) * | 2017-04-28 | 2017-09-08 | 北京科技大学 | 一种预测用户用电负荷的方法 |
KR20180129496A (ko) * | 2017-05-26 | 2018-12-05 | 중소기업은행 | 전력 수요를 예측하는 방법 및 장치 |
CN108009673A (zh) * | 2017-11-24 | 2018-05-08 | 国网北京市电力公司 | 基于深度学习的新型负荷预测方法和装置 |
CN108197773A (zh) * | 2017-12-08 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 电力负荷预测方法、电力负荷预测装置及终端设备 |
KR102063999B1 (ko) * | 2018-01-23 | 2020-02-11 | 한국전력정보(주) | 스마트 전력 수요 관리 시스템 |
CN108932567B (zh) * | 2018-08-10 | 2020-12-01 | 燕山大学 | 一种基于卷积神经网络的水泥烧成过程多能耗指标预测方法 |
CN109002937A (zh) * | 2018-09-07 | 2018-12-14 | 深圳供电局有限公司 | 电网负荷预测方法、装置、计算机设备和存储介质 |
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 |
CN110046787A (zh) * | 2019-01-15 | 2019-07-23 | 重庆邮电大学 | 一种城市区域电动汽车充电需求时空预测方法 |
CN109685290B (zh) * | 2019-02-11 | 2023-06-16 | 南方电网科学研究院有限责任公司 | 一种基于深度学习的用电量预测方法、装置及设备 |
CN110210672A (zh) * | 2019-06-04 | 2019-09-06 | 北京百度网讯科技有限公司 | 用电量预测的方法和装置、电子设备、计算机可读介质 |
CN110245798A (zh) * | 2019-06-18 | 2019-09-17 | 天津安捷物联科技股份有限公司 | 一种写字楼电力系统月度用电量预测方法及系统 |
CN110619420B (zh) * | 2019-07-31 | 2022-04-08 | 广东工业大学 | 一种基于Attention-GRU的短期住宅负荷预测方法 |
CN110598912B (zh) * | 2019-08-21 | 2024-01-09 | 广东工业大学 | 一种售电公司的春节期间售电量预测方法 |
-
2019
- 2019-12-31 CN CN201911405459.9A patent/CN111539841A/zh active Pending
-
2020
- 2020-12-23 CA CA3166446A patent/CA3166446A1/en active Pending
- 2020-12-23 AU AU2020418399A patent/AU2020418399A1/en not_active Abandoned
- 2020-12-23 US US17/789,988 patent/US20230049089A1/en not_active Abandoned
- 2020-12-23 KR KR1020227026277A patent/KR102531593B1/ko active IP Right Grant
- 2020-12-23 WO PCT/SG2020/050773 patent/WO2021137759A1/en active Search and Examination
- 2020-12-23 BR BR112022013053A patent/BR112022013053A2/pt unknown
- 2020-12-23 JP JP2022552128A patent/JP2022552450A/ja active Pending
- 2020-12-23 EP EP20910349.8A patent/EP4085387A4/en not_active Withdrawn
- 2020-12-23 MX MX2022008117A patent/MX2022008117A/es unknown
-
2022
- 2022-06-28 CL CL2022001767A patent/CL2022001767A1/es unknown
- 2022-07-26 ZA ZA2022/08346A patent/ZA202208346B/en unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1021489A (ja) * | 1996-07-02 | 1998-01-23 | Hitachi Ltd | 道路案内方法およびシステム |
US20190228481A1 (en) * | 2018-01-22 | 2019-07-25 | Pason Power Inc. | Intelligent energy management system for distributed energy resources and energy storage systems using machine learning |
Also Published As
Publication number | Publication date |
---|---|
MX2022008117A (es) | 2022-09-19 |
WO2021137759A1 (en) | 2021-07-08 |
ZA202208346B (en) | 2022-10-26 |
EP4085387A1 (en) | 2022-11-09 |
AU2020418399A1 (en) | 2022-07-21 |
US20230049089A1 (en) | 2023-02-16 |
CN111539841A (zh) | 2020-08-14 |
KR20220117336A (ko) | 2022-08-23 |
KR102531593B1 (ko) | 2023-05-11 |
CA3166446A1 (en) | 2021-07-08 |
CL2022001767A1 (es) | 2022-11-25 |
EP4085387A4 (en) | 2023-06-07 |
BR112022013053A2 (pt) | 2022-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022552450A (ja) | 電力消費量を予測するための方法および装置、機器ならびに可読記憶媒体 | |
CN109902222B (zh) | 一种推荐方法及装置 | |
CN110928993A (zh) | 基于深度循环神经网络的用户位置预测方法及系统 | |
CN113517046B (zh) | 一种电子病历中异构数据特征融合方法及基于融合特征的预测方法、系统及可读存储介质 | |
CN110264270A (zh) | 一种行为预测方法、装置、设备和存储介质 | |
CN113449919B (zh) | 一种基于特征和趋势感知的用电量预测方法及系统 | |
CN108769125A (zh) | 应用推荐方法、装置、存储介质及计算机设备 | |
CN111080417A (zh) | 用于提高预订顺畅率的处理方法、模型训练方法及系统 | |
CN115221396A (zh) | 基于人工智能的信息推荐方法、装置及电子设备 | |
Tzoumpas et al. | A data filling methodology for time series based on CNN and (Bi) LSTM neural networks | |
CN113761355A (zh) | 一种信息推荐方法、装置、设备及计算机可读存储介质 | |
CN117557375A (zh) | 基于虚拟电厂的交易评估方法及相关装置 | |
CN115392594B (zh) | 一种基于神经网络和特征筛选的用电负荷模型训练方法 | |
CN116976491A (zh) | 一种信息预测方法、装置、设备、存储介质及程序产品 | |
CN115952928A (zh) | 一种短期电力负荷预测方法、装置、设备及存储介质 | |
CN109325811A (zh) | 房屋价值预测方法、装置、计算机设备和存储介质 | |
CN113255231B (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN117709732B (zh) | 结合气象监测数据的农业灾害报告生成方法及系统 | |
CN114154679B (zh) | 一种基于Spark的PCFOA-KELM风功率预测方法及装置 | |
CN116796890A (zh) | 碳排放权代价值预测方法、装置、设备、介质和产品 | |
CN115115057A (zh) | 可持续学习模型的训练方法、装置、设备及存储介质 | |
Sahoo et al. | An Analysis of Machine Learning Methods for Electricity Price Forecasting | |
CN116151666A (zh) | 企业能耗与产出的分析方法、装置、设备及存储介质 | |
CN117372148A (zh) | 信用风险程度的确定方法、装置、设备、介质和程序产品 | |
CN117992864A (zh) | 一种基于支持向量机的窃电用户识别方法及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20220826 |
|
A529 | Written submission of copy of amendment under article 34 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A529 Effective date: 20220826 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220826 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220826 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20220826 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230110 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230404 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230704 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240213 |