JP7395811B2 - 負荷予測方法、装置、電子機器、及び記憶媒体 - Google Patents
負荷予測方法、装置、電子機器、及び記憶媒体 Download PDFInfo
- Publication number
- JP7395811B2 JP7395811B2 JP2022145612A JP2022145612A JP7395811B2 JP 7395811 B2 JP7395811 B2 JP 7395811B2 JP 2022145612 A JP2022145612 A JP 2022145612A JP 2022145612 A JP2022145612 A JP 2022145612A JP 7395811 B2 JP7395811 B2 JP 7395811B2
- Authority
- JP
- Japan
- Prior art keywords
- day
- power load
- predicted
- time
- historical
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 58
- 230000008859 change Effects 0.000 claims description 36
- 239000013598 vector Substances 0.000 claims description 33
- 230000003442 weekly effect Effects 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 101100481876 Danio rerio pbk gene Proteins 0.000 description 2
- 101100481878 Mus musculus Pbk gene Proteins 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Description
予測される日の現在の予測される時点について、前記予測される日の前の履歴日から前記予測される日の類似日を決定するステップと、
前記予測される日の前記時点での気温と前記類似日の前記時点での気温との間の気温差を取得するステップと、
前記気温差に基づいて前記予測される日と前記類似日との前記時点での負荷差を決定するステップと、
前記類似日の前記時点での負荷値と前記負荷差とに基づいて前記予測される日の前記時点での負荷予測値を決定するステップと、を含む。
前記第1の予測モジュールは、予測される日の現在の予測される時点について、前記予測される日の前の履歴日から前記予測される日の類似日を決定するために用いられ、
前記第2の予測モジュールは、前記予測される日の前記時点での気温と前記類似日の前記時点での気温との間の気温差を取得するために用いられ、
前記第3の予測モジュールは、前記気温差に基づいて前記予測される日と前記類似日との前記時点での負荷差を決定するために用いられ、
前記第4の予測モジュールは、前記類似日の前記時点での負荷値と前記負荷差とに基づいて前記予測される日の前記時点での負荷予測値を決定するために用いられる。
少なくとも一つのプロセッサと、
前記少なくとも一つのプロセッサと通信接続されたメモリと、を含み、
前記メモリに前記少なくとも一つのプロセッサにより実行可能な命令が記憶されており、前記命令が前記少なくとも一つのプロセッサにより実行されると、前記少なくとも一つのプロセッサが上記の方法を実行させる。
Claims (17)
- コンピュータにより実行される、電力負荷予測方法であって、
予測される日の予測される時点について、前記予測される日の前の履歴日から前記予測される日の類似日を決定するステップと、
前記予測される日の前記時点での気温と前記類似日の前記時点での気温との間の気温差を取得するステップと、
前記気温差に基づいて前記予測される日と前記類似日との前記時点での電力負荷差を決定するステップと、
前記類似日の前記時点での電力負荷値と前記電力負荷差とに基づいて前記予測される日の前記時点での電力負荷予測値を決定するステップと、を含み、
前記気温差に基づいて前記予測される日と前記類似日との前記時点での電力負荷差を決定するステップは、
前記気温差と前記時点に対応する回帰式とに基づいて、前記予測される日と前記類似日との前記時点での電力負荷差を決定するステップを含む、
電力負荷予測方法。 - 前記予測される日の前の履歴日から前記予測される日の類似日を決定するステップは、
最近N個の履歴日を選別される日とし、前記予測される日に対応する特徴ベクトルと各選別される日に対応する特徴ベクトルをそれぞれ取得するステップであって、Nは1より大きい正整数であるステップと、
前記特徴ベクトルに基づいて前記予測される日と各選別される日との間のユークリッド距離をそれぞれ決定し、ユークリッド距離の小さいものから大きいものへの順に従って各選別される日をソートし、ソート後の上位K位の選別される日を前記予測される日の類似日とするステップであって、Kは正整数であり、KはNより小さいステップと、を含む、
請求項1に記載の電力負荷予測方法。 - 前記特徴ベクトルは、電力負荷予測結果に影響を与える所定のM個の要素を組み合わせて生成された特徴ベクトルを含み、Mは1より大きい正整数であり、前記M個の要素には、気温が含まれない、
請求項2に記載の電力負荷予測方法。 - 任意の時点について、それぞれ、
Pグループのデータペアを構築するステップであって、Pは1より大きい正整数であり、任意のデータペアは、前記データペアに対応する第1の履歴日と第2の履歴日との前記時点での気温差、及び、前記第1の履歴日と前記第2の履歴日との前記時点での電力負荷差をそれぞれ含み、前記第2の履歴日は、前記第1の履歴日の類似日であるステップと、
前記Pグループのデータペアに基づいて前記時点に対応する回帰式を決定するステップと、を行う、
請求項1に記載の電力負荷予測方法。 - 前記Pグループのデータペアに基づいて前記時点に対応する回帰式を決定するステップは、
前記Pグループのデータペアに基づいて対応する散布図を生成するステップと、
前記散布図に基づいて線形フィッティングを行い、前記時点に対応する回帰式を取得するステップと、を含む、
請求項4に記載の電力負荷予測方法。 - 1週間の中のi日目について、1≦i≦7であり、L個の履歴日の日電力負荷変化曲線に基づいてi日目の日平均電力負荷変化曲線をそれぞれ決定するステップであって、Lは1より大きい正整数であり、前記L個の履歴日はいずれも所在する週間の中のi日目であるステップと、
第1の履歴日に対応する日平均電力負荷変化曲線に基づいて前記第1の履歴日の前記時点での電力負荷値を決定し、第2の履歴日に対応する日平均電力負荷変化曲線に基づいて前記第2の履歴日の前記時点での電力負荷値を決定し、2つの電力負荷値の差を取得し、前記差を前記第1の履歴日と前記第2の履歴日とに対応する週間補償とし、前記週間補償を使用して前記データペア内の電力負荷差を修正するステップと、をさらに含む、
請求項4に記載の電力負荷予測方法。 - 前記予測される日と前記予測される日の類似日とに対応する週間補償を取得するステップと、
取得された週間補償を使用して前記予測される日と前記予測される日の類似日との前記時点での電力負荷差を修正するステップと、
前記予測される日の類似日の前記時点での電力負荷値と修正後の電力負荷差に基づいて前記予測される日の前記時点での電力負荷予測値を決定するステップと、をさらに含む、
請求項6に記載の電力負荷予測方法。 - 電力負荷予測装置であって、
第1の予測モジュール、第2の予測モジュール、第3の予測モジュール及び第4の予測モジュールを含み、
前記第1の予測モジュールは、予測される日の予測される時点について、前記予測される日の前の履歴日から前記予測される日の類似日を決定し、
前記第2の予測モジュールは、前記予測される日の前記時点での気温と前記類似日の前記時点での気温との間の気温差を取得し、
前記第3の予測モジュールは、前記気温差に基づいて前記予測される日と前記類似日との前記時点での電力負荷差を決定し、
前記第4の予測モジュールは、前記類似日の前記時点での電力負荷値と前記電力負荷差とに基づいて前記予測される日の前記時点での電力負荷予測値を決定し、
前記第3の予測モジュールは、前記気温差と前記時点に対応する回帰式とに基づいて、前記予測される日と前記類似日との前記時点での電力負荷差を決定する、
電力負荷予測装置。 - 前記第1の予測モジュールは、
最近N個の履歴日を選別される日とし、前記予測される日に対応する特徴ベクトルと各選別される日に対応する特徴ベクトルをそれぞれ取得し、Nは1より大きい正整数であり、
前記特徴ベクトルに基づいて前記予測される日と各選別される日との間のユークリッド距離をそれぞれ決定し、ユークリッド距離の小さいものから大きいものへの順に従って各選別される日をソートし、ソート後の上位K位の選別される日を前記予測される日の類似日とし、Kは正整数であり、KはNより小さい、
請求項8に記載の電力負荷予測装置。 - 前記特徴ベクトルは、電力負荷予測結果に影響を与える所定のM個の要素を組み合わせて生成された特徴ベクトルを含み、Mは1より大きい正整数であり、前記M個の要素には、気温が含まれない、
請求項9に記載の電力負荷予測装置。 - 前記電力負荷予測装置は、前処理モジュールをさらに含み、
前記前処理モジュールは、任意の時点について、それぞれ、
Pグループのデータペアを構築し、Pは1より大きい正整数であり、任意のデータペアは、前記データペアに対応する第1の履歴日と第2の履歴日との前記時点での気温差、及び、前記第1の履歴日と前記第2の履歴日との前記時点での電力負荷差をそれぞれ含み、前記第2の履歴日は、前記第1の履歴日の類似日であり、前記Pグループのデータペアに基づいて前記時点に対応する回帰式を決定する、
請求項8に記載の電力負荷予測装置。 - 前記前処理モジュールは、前記Pグループのデータペアに基づいて対応する散布図を生成し、前記散布図に基づいて線形フィッティングを行い、前記時点に対応する回帰式を取得する、
請求項11に記載の電力負荷予測装置。 - 前記前処理モジュールは、さらに、
1週間の中のi日目について、1≦i≦7であり、L個の履歴日の日電力負荷変化曲線に基づいてi日目の日平均電力負荷変化曲線をそれぞれ決定し、Lは1より大きい正整数であり、前記L個の履歴日はいずれも所在する週間の中のi日目であり、第1の履歴日に対応する日平均電力負荷変化曲線に基づいて前記第1の履歴日の前記時点での電力負荷値を決定し、第2の履歴日に対応する日平均電力負荷変化曲線に基づいて前記第2の履歴日の前記時点での電力負荷値を決定し、2つの電力負荷値の差を取得し、前記差を前記第1の履歴日と前記第2の履歴日とに対応する週間補償とし、前記週間補償を使用して前記データペア内の電力負荷差を修正する、
請求項11に記載の電力負荷予測装置。 - 前記第4の予測モジュールは、さらに、前記予測される日と前記予測される日の類似日とに対応する週間補償を取得し、取得された週間補償を使用して前記予測される日と前記予測される日の類似日との前記時点での電力負荷差を修正し、前記予測される日の類似日の前記時点での電力負荷値と修正後の電力負荷差に基づいて前記予測される日の前記時点での電力負荷予測値を決定する、
請求項13に記載の電力負荷予測装置。 - 電子機器であって、
少なくとも一つのプロセッサと、
前記少なくとも一つのプロセッサに通信接続されたメモリと、を含み、
前記メモリに前記少なくとも一つのプロセッサにより実行可能な命令が記憶されており、前記命令が前記少なくとも一つのプロセッサにより実行されると、前記少なくとも一つのプロセッサが請求項1~7のいずれかの一つに記載の電力負荷予測方法を実行する、
電子機器。 - コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体であって、
前記コンピュータ命令は、コンピュータに請求項1~7のいずれかの一つに記載の電力負荷予測方法を実行させる、
コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体。 - プロセッサによって実行される時に請求項1~7のいずれかの一つに記載の電力負荷予測方法を実現する、
コンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210200042.4A CN114742263B (zh) | 2022-03-02 | 2022-03-02 | 负荷预测方法、装置、电子设备及存储介质 |
CN202210200042.4 | 2022-03-02 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023129218A JP2023129218A (ja) | 2023-09-14 |
JP7395811B2 true JP7395811B2 (ja) | 2023-12-12 |
Family
ID=82274401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022145612A Active JP7395811B2 (ja) | 2022-03-02 | 2022-09-13 | 負荷予測方法、装置、電子機器、及び記憶媒体 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230283073A1 (ja) |
JP (1) | JP7395811B2 (ja) |
KR (1) | KR20230129901A (ja) |
CN (1) | CN114742263B (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010204833A (ja) | 2009-03-02 | 2010-09-16 | Toshiba Corp | エネルギー管理システム及び方法 |
JP2012205385A (ja) | 2011-03-25 | 2012-10-22 | Toshiba Corp | 予備力計算装置およびその方法、コンピュータプログラム |
JP2015033203A (ja) | 2013-08-01 | 2015-02-16 | 富士電機株式会社 | 類似日抽出装置、類似日抽出方法、プログラム |
JP2016019358A (ja) | 2014-07-08 | 2016-02-01 | 住友電気工業株式会社 | 需要予測装置、コンピュータプログラム、スマートメーター及び蓄電装置 |
JP2021039739A (ja) | 2019-08-28 | 2021-03-11 | 富士電機株式会社 | 予測装置、予測プログラム、及び予測方法 |
US20220101097A1 (en) | 2020-09-28 | 2022-03-31 | North China Electric Power University | Method and device for clustering forecasting of electric vehicle charging load |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3141164B2 (ja) * | 1991-07-24 | 2001-03-05 | 株式会社日立製作所 | 電力需要予測方法及び装置 |
CN104376367B (zh) * | 2014-05-28 | 2017-10-24 | 江南大学 | 一种基于气温因素和非线性自回归时序模型的短期负荷预测方法 |
CN104794547B (zh) * | 2015-05-11 | 2018-04-10 | 中国科学技术大学 | 一种基于温度的电力负荷数据长期预测方法 |
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 |
CN109190856A (zh) * | 2018-10-30 | 2019-01-11 | 深圳供电局有限公司 | 一种区分待预测日的城市电网短期负荷预测方法及系统 |
CN109886567B (zh) * | 2019-01-31 | 2022-09-30 | 国电南瑞科技股份有限公司 | 一种考虑体感温度和辐射强度的短期负荷预测方法 |
CN112396207A (zh) * | 2019-08-15 | 2021-02-23 | 南京理工大学 | 一种基于大数据的电力负荷预测方法 |
CN111598303B (zh) * | 2020-04-20 | 2024-07-02 | 广东电网有限责任公司电力调度控制中心 | 一种基于气象成分分解的夏季短期负荷预测方法 |
AU2020104000A4 (en) * | 2020-12-10 | 2021-02-18 | Guangxi University | Short-term Load Forecasting Method Based on TCN and IPSO-LSSVM Combined Model |
CN112561207A (zh) * | 2020-12-25 | 2021-03-26 | 浙江华云电力工程设计咨询有限公司 | 一种考虑气象因素的电网负荷预测方法、装置和电力系统 |
CN113947007A (zh) * | 2021-07-02 | 2022-01-18 | 国家电投集团科学技术研究院有限公司 | 能源的负荷预测方法、装置及设备 |
CN115438832A (zh) * | 2022-07-21 | 2022-12-06 | 北京建筑大学 | 节假日期间燃气负荷预测方法及系统 |
-
2022
- 2022-03-02 CN CN202210200042.4A patent/CN114742263B/zh active Active
- 2022-08-12 KR KR1020220101140A patent/KR20230129901A/ko not_active Application Discontinuation
- 2022-09-13 JP JP2022145612A patent/JP7395811B2/ja active Active
-
2023
- 2023-02-13 US US18/108,716 patent/US20230283073A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010204833A (ja) | 2009-03-02 | 2010-09-16 | Toshiba Corp | エネルギー管理システム及び方法 |
JP2012205385A (ja) | 2011-03-25 | 2012-10-22 | Toshiba Corp | 予備力計算装置およびその方法、コンピュータプログラム |
JP2015033203A (ja) | 2013-08-01 | 2015-02-16 | 富士電機株式会社 | 類似日抽出装置、類似日抽出方法、プログラム |
JP2016019358A (ja) | 2014-07-08 | 2016-02-01 | 住友電気工業株式会社 | 需要予測装置、コンピュータプログラム、スマートメーター及び蓄電装置 |
JP2021039739A (ja) | 2019-08-28 | 2021-03-11 | 富士電機株式会社 | 予測装置、予測プログラム、及び予測方法 |
US20220101097A1 (en) | 2020-09-28 | 2022-03-31 | North China Electric Power University | Method and device for clustering forecasting of electric vehicle charging load |
Also Published As
Publication number | Publication date |
---|---|
US20230283073A1 (en) | 2023-09-07 |
JP2023129218A (ja) | 2023-09-14 |
CN114742263B (zh) | 2024-03-01 |
KR20230129901A (ko) | 2023-09-11 |
CN114742263A (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP4123595A2 (en) | Method and apparatus of rectifying text image, training method and apparatus, electronic device, and medium | |
CN113361572A (zh) | 图像处理模型的训练方法、装置、电子设备以及存储介质 | |
EP4040421A2 (en) | Method and apparatus for predicting traffic data and electronic device | |
CN112668773A (zh) | 一种入库流量的预测方法、装置及电子设备 | |
CN115861462A (zh) | 图像生成模型的训练方法、装置、电子设备及存储介质 | |
CN113657467A (zh) | 模型预训练方法、装置、电子设备和存储介质 | |
CN110827069A (zh) | 数据处理方法、装置、介质以及电子设备 | |
JP7395811B2 (ja) | 負荷予測方法、装置、電子機器、及び記憶媒体 | |
CN113344213A (zh) | 知识蒸馏方法、装置、电子设备及计算机可读存储介质 | |
CN117332897A (zh) | 人工智能驱动的新能源小时间尺度功率插值集成预测方法 | |
CN116128148A (zh) | 光伏电站出力预测网络训练方法、预测方法、装置及设备 | |
CN113554280B (zh) | 电网系统调度模型的训练方法、装置、设备和存储介质 | |
CN113642654B (zh) | 图像特征的融合方法、装置、电子设备和存储介质 | |
CN114819095A (zh) | 业务数据处理模型的生成方法、装置及电子设备 | |
CN114298389A (zh) | 一种臭氧浓度预报方法及装置 | |
CN114445682A (zh) | 训练模型的方法、装置、电子设备、存储介质及产品 | |
CN113408632A (zh) | 提高图像分类准确性的方法、装置、电子设备及存储介质 | |
US12038989B2 (en) | Methods for community search, method for training community search model, and electronic device | |
US20230140148A1 (en) | Methods for community search, electronic device and storage medium | |
CN115018009B (zh) | 对象描述方法、网络模型的训练方法及装置 | |
CN113553407B (zh) | 事件追溯方法、装置、电子设备及存储介质 | |
CN115983445A (zh) | Pue预测方法、pue预测模型的训练方法、装置及设备 | |
CN117573361A (zh) | 工作负载生成的方法及装置、电子设备和存储介质 | |
CN116957133A (zh) | 风力发电功率和光伏发电功率的预测方法以及装置 | |
Vikranth et al. | PRICE PREDICTION SYSTEM-A PREDICTIVE DATA ANALYTICS USING ARIMA MODEL. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220913 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230801 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231023 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231031 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231108 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7395811 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |