“网络负荷”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果994530个，建议您升级VIP下载更多相关专利

[发明专利]一种适用于配电台区的短期电力负荷预测方法-CN202211288727.5在审
发明人：张有兵;刘主光;斯捷;周文委;陈植;王伟;顾吉鹏 -专利权人：浙江工业大学;国网浙江省电力有限公司温州供电公司;浙江图盛输变电工程有限公司
申请日： 2022-10-20 - 公布日： 2023-02-03 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种适用于配电台区的短期电力负荷预测方法，构建一维卷积神经网络CNN和长短时记忆神经网络LSTM，分别用来提取负荷数据间的局部依赖关系和负荷数据长期变化趋势；建立LSTNet负荷预测模型，融合传统自回归模型解决神经网络对负荷数据极端值的不敏感问题，将某一配电台区的电力负荷数据用于网络的训练和预测过程；通过建立的预测模型对电力负荷的短期变化趋势进行预测，并与LSTM、双向长短时记忆神经网络Bi‑LSTM和CNN‑LSTM模型进行对比分析，验证LSTNet模型在短期负荷预测方面更具优势、预测精度更高。
一种适用于配电短期电力负荷预测方法

[发明专利]基于长短时记忆神经网络的电负荷预测方法-CN201910543204.2有效
发明人：王笑雨;蔡昌春 -专利权人：河海大学常州校区
申请日： 2019-06-21 - 公布日： 2022-08-16 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于长短时记忆神经网络的电负荷预测方法，包括以下步骤：通过输入历史时刻的电力负荷数据、区域特征因素以及所要求预测的指定时间段；采用LSTM网络对历史时刻的电力负荷数据和区域特征因素进行训练建模，生成电负荷预测的神经网络模型；通过已建立的神经网络模型对电负荷进行预测；最后通过输出单元输出该区域指定时间的电负荷预测结果。优点：能够根据历年数据和建筑特征因素搭建神经网络模型，精准预测出指定时间段的用电负荷，有效提高电负荷预测的准确度。
基于短时记忆神经网络负荷预测方法

[发明专利]基于PSR-DBN的超短期母线负荷预测方法-CN201911239921.2在审
发明人：梅飞;陆继翔;陆进军;石天;周程;潘益;郑建勇 -专利权人：南瑞集团有限公司;河海大学;东南大学
申请日： 2019-12-06 - 公布日： 2020-04-28 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于PSR‑DBN的超短期母线负荷预测方法，包括步骤：(1)采集母线负荷历史数据，对负荷时间序列进行极差归一化处理；(2)对负荷时间序列进行相空间重构，并采用C‑C方法求解负荷时间序列的最优嵌入维数和最优延时；(3)构建深度信念网络，采用重构的负荷时间序列相空间矩阵作为训练集对深度信念网络进行训练，并采用交叉验证优化深度信念网络的超参数；(4)利用训练完成的深度信念网络预测未来时刻的负荷值；(5)利用负荷时间序列的最大最小值对深度信念网络返回的负荷预测值进行反归一化处理，得到实际的负荷预测值。本发明预测方法在分布式电源渗透率较高且母线负荷波动较大的情况下依旧能保持相对较高的预测精度。
基于 psr dbn 短期母线负荷预测方法

[发明专利]计及高渗透率分布式电源的节点负荷预测方法-CN201711351060.8在审
发明人：王建春;孙波;王轩;戴晖;赵哲源 -专利权人：国网江苏省电力有限公司淮安供电分公司;国家电网公司
申请日： 2017-12-15 - 公布日： 2018-05-18 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开计及高渗透率分布式电源的节点负荷预测方法，（1）做出各节点负荷特性曲线；（2）建模，确定基于小波神经网络和Elman神经网络的光伏预测方法；（3）确定小波神经网络输入层和输出层，并进行修正；（4）确定Elman神经网络输入向量和输出向量及权值修正的学习指标函数；（5）确定天气类型影响因子指数，作为神经网络另一输入量；（6）通过具体算例分析验证可行性；（7）按照每节点日均用电量及光伏最大输出功率确定各节点的光伏配比，根据光伏负荷预测结果及各节点实际用电负荷，计算出各节点统调负荷，将所有节点实际负荷按照比例汇总，得到总统调负荷。本发明是基于小波神经网络和Elman神经网络的负荷预测方法，预测精度高，满足实际应用需要。
渗透分布式电源节点负荷预测方法

[发明专利]考虑储能参与的柔性深度强化学习建筑负荷需求响应方法-CN202310038198.1在审
发明人：谢东日;明东岳;彭涛;丁黎;傅晨;樊立攀;刘俊;聂永欣 -专利权人：国网湖北省电力有限公司营销服务中心（计量中心)
申请日： 2023-01-10 - 公布日： 2023-06-30 - 主分类号： G06Q10/0631 文献下载
摘要：本发明公开了一种考虑储能参与的柔性深度强化学习建筑负荷需求响应方法，该发明主要包括以下步骤：首先，收集多类型建筑的历史负荷数据和储能系统数据，建立负荷模型，提取动作空间和观测空间；其次，设计奖励函数，并对建筑物的需求响应过程建立马尔可夫过程模型；第三，建立动作价值网络，目标价值网络和策略网络；最后，使用历史负荷数据和储能系统数据训练上述网络模型，训练后的网络可根据当前建筑物的负荷状态输出负荷动作序列和负荷可调潜力。本发明考虑到储能系统的参与会增加需求响应动作空间的维度并且引入离散化变量，在更新状态价值网络和策略网络参数的过程中引入动作熵，提高了收敛速度，可实时评估负荷可调潜力。
考虑参与柔性深度强化学习建筑负荷需求响应方法

[发明专利]一种适用于功能园区的负荷预测方法-CN201910992508.7在审
发明人：吴炬卓 -专利权人：广东电网有限责任公司;广东电网有限责任公司珠海供电局
申请日： 2019-10-18 - 公布日： 2020-03-31 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及负荷预测技术领域，具体是指一种适用于功能园区的负荷预测方法，S1：获取功能园区的历史负荷值；S2：以历史负荷值为样本，搭建神经网络预测模型，得到网络预测值；S3：获取功能园区的报装负荷值；S4：以报装负荷值为基准，得到新增负荷预测值；S5：将网络预测值和新增负荷预测值相加，得到功能园区的最终负荷预测值。本发明对新增负荷，采用实用系数法，进而提高功能园区的负荷预测精度。
一种适用于功能负荷预测方法

[发明专利]一种基于门控循环单元网络的负荷聚合体分组预测方法-CN201810876297.6有效
发明人：王守相;陈海文;蔡声霞 -专利权人：天津相和电气科技有限公司
申请日： 2018-08-03 - 公布日： 2021-07-23 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于门控循环单元网络的负荷聚合体分组预测方法，包括如下步骤：使用自适应分布式谱聚类算法，对用户负荷数据进行聚类，从而得到多个负荷特性相似的用电群体，并求得各群体负荷特征矩阵；搭建三种GRU网络，并通过提取群体的时序特征对三种GRU网络进行训练，得到三种GRU网络的预测模型，通过随机森林算法对三种GRU网络进行模型融合，得到每个群体的负荷预测模型；将待预测时刻特征输入到负荷预测模型中，分别得到每个群体的负荷预测值，将不同群体预测值求和得到最终负荷聚合体的预测值；本发明通过引入分组预测、深度神经网络、模型融合方法，使得能把握用户负荷特性及变化规律，预测精度高，适用性强。
一种基于门控循环单元网络负荷聚合体分组预测方法

[发明专利]一种基于时间序列的电信网络高负荷小区预警方法-CN201710610159.9在审
发明人：马小波 -专利权人：山东浪潮商用系统有限公司
申请日： 2017-07-25 - 公布日： 2017-10-20 - 主分类号： H04W24/06 文献下载
摘要：本发明公开了一种基于时间序列的电信网络高负荷小区预警方法，属于移动通信网络技术领域，使用ARIMA模型对电信网络高负荷小区相关的周期性指标进行预测,高负荷小区根据周期性指标集合的预测值进行综合判断,指标预测的时间长度根据指标的周期进行调整,高负荷小区相关的每一个指标对应一个ARIMA模型。本发明解决了传统监控方法只能事后进行网络调整的问题，可以提前对高负荷小区进行预测，并采取相应措施进行网络优化调整，有效减少因为小区指标超负荷导致的网络问题，提高网络优化响应速度，提升用户的网络使用满意度
一种基于时间序列电信网络负荷小区预警方法

[发明专利]一种有源配电网网格化负荷预测方法-CN202310064171.X在审
发明人：李志伟;赵书强;毛王清;王秀茹;赵航宇 -专利权人：华北电力大学(保定);国网江苏省电力有限公司宿迁供电分公司
申请日： 2023-01-16 - 公布日： 2023-04-25 - 主分类号： H02J3/00 文献下载
摘要：本发明一种有源配电网网格化负荷预测方法涉及的是一种用于配电网络进行用电负荷的预测方法。一种有源配电网网格化负荷预测方法，包括配电网的网格化划分、配电网负荷预测和分布式光伏接入后的有源配电网净负荷预测。配电网的网格化划分包括：规划目标确定、数据获取、网格划分、负荷预测、确定网络架构及规划方案评估。所述的配电网负荷预测包括基于BP神经网络的网格负荷预测和基于支持向量机神经网络的网格负荷预测。
一种有源配电网网格负荷预测方法

[发明专利]充电桩的用电负荷控制方法及系统-CN201510142057.X有效
发明人：何世刚;肖俭伟 -专利权人：成都博高信息技术股份有限公司
申请日： 2015-03-27 - 公布日： 2018-10-12 - 主分类号： H02J3/00 文献下载
摘要：本发明公开了一种充电桩的用电负荷控制方法及系统包括：负荷监控设备采集预定区域电力网络的预定电气量；所述负荷监控设备将所述预定电气量与预定用电负荷等级阈值进行比较，根据所述比较结果确定电力网络的用电负荷的等级；所述负荷监控设备按照预定规则将所述电力网络的用电负荷的等级发送给充电桩充电模式控制设备；所述充电桩充电模式控制设备根据接收到的所述电力网络的用电负荷的等级，选择相对应的充电模式；该方法及系统可以实现对充电桩的用电负荷的管控和检测
充电用电负荷控制方法系统

[发明专利]一种基于深度学习的微电网负荷预测方法-CN201910465445.X有效
发明人：王非;陈梦丹 -专利权人：华中科技大学
申请日： 2019-05-30 - 公布日： 2021-12-03 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于深度学习的微电网负荷预测方法，包括：按照设定的采样时间间隔，采集多个不同类型微电网的历史负荷数据，所述历史负荷数据包括负荷值及对应的时间信息；对所述历史负荷数据进行特征转化，获得输入特征向量，并将所述输入特征向量作为训练集；将所述训练集输入包括基本网络模块和残差网络模块的深度神经网络中进行训练，得到微电网负荷预测模型；将待预测微电网的历史负荷数据输入训练好的微电网负荷预测模型中，得到待预测微电网的负荷预测结果本发明利用深度神经网络较强的非线性映射能力，充分挖掘历史负荷数据的潜在特征，实现对未来负荷的高精度预测；同时实现跨区域、不同类型的微电网负荷预测。
一种基于深度学习电网负荷预测方法

[发明专利]一种基于Elman神经网络的电力负荷预警方法及装置-CN201710164168.X在审
发明人：邓松;张利平;岳东;付雄;葛辉;黄崇鑫 -专利权人：南京邮电大学
申请日： 2017-03-20 - 公布日： 2017-08-08 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于Elman神经网络的电力负荷预警方法及装置，属于人工神经网络在电力数据处理领域中的应用。本发明方法是利用Elman神经网络结合主成份分析，对电力负荷数据进行建模分析，根据Elman神经网络能够以任意精度逼近任一非线性函数的特性，构建基于Elman神经网络的电力负荷预警模型，通过该模型反映电力负荷运行规律，实现电力负荷的准确预警。
一种基于 elman 神经网络电力负荷预警方法装置

[发明专利]一种IP网络资源的分配方法及装置-CN201010104405.1无效
发明人：唐欣;李明 -专利权人：华为技术有限公司
申请日： 2010-01-25 - 公布日： 2011-07-27 - 主分类号： H04W28/06 文献下载
摘要：本发明实施例提供了一种IP网络资源的分配方法及装置，所述方法包括：监控IP网络中的负荷状态；当所述IP网络的负荷状态为欠负荷时，确定所述IP网络上传输的重要帧；保护所述IP网络中传输的重要帧。本发明实施例方法，当监视到IP网络状态为欠负荷时，对IP网络中传输的重要帧进行保护，可以提高网络资源的有效利用率，优化网络资源的配置方式，并根据IP网络状态对网络资源进行了合理、灵活的分配。
一种 ip 网络资源分配方法装置

[发明专利]企业配电网电力负荷预测网络建立方法、预测方法及系统-CN201310716598.X在审
发明人：孟德峰 -专利权人：孟德峰
申请日： 2013-12-23 - 公布日： 2014-03-26 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及电力系统技术领域，特别涉及企业配电网电力负荷预测网络建立方法、预测方法及系统。其中该方法，包括：根据配电网的电力层级结构及电力负荷分配规则，对配电网划分配电层级；按照所述配电层级，设置数据采集计算终端，其中数据采集计算终端与其所属于的配电层级中设置的电力数据采集节点相对应；属于同级配电层级的数据采集计算终端组建成电力负荷预测子网络，各级别的电力负荷预测子网络按照预设组网规则组建成电力负荷预测网络。本发明的企业配电网电力负荷预测网络建立方法、预测方法及系统，在对企业配电网进行电力负荷预测时，能够提高电力负荷预测的精度及准确度，尤其在短期负荷预测领域具有较好的预测效果。
企业配电网电力负荷预测网络建立方法系统

[发明专利]基于循环神经网络的电力负荷预测方法、装置及设备-CN201910615214.2在审
发明人：郑楷洪;肖勇;杨劲锋;钱斌 -专利权人：南方电网科学研究院有限责任公司;中国南方电网有限责任公司
申请日： 2019-07-09 - 公布日： 2019-10-11 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于循环神经网络的电力负荷预测方法，包括：将获取到的电力负荷数据集依次输入到设置有不同跳跃连接的多层循环神经网络，并且每层循环神经网络预设时长内各预设时刻的输出为下一层循环神经网络对应时刻的输入，分别得到各层循环神经网络在预设时长内最后预设时刻的隐层状态。分别将各层循环神经网络最后预设时刻的隐层状态输入到全连接网络，得到电力负荷数据集的融合特征；利用融合特征预测下一预设时刻的电力负荷值。应用本发明实施例所提供的技术方案，充分利用了电力负荷数据中的信息，较大地提高了电力负荷预测精度。本发明还公开了一种基于循环神经网络的电力负荷预测装置、设备及存储介质，具有相应技术效果。
循环神经网络电力负荷预测预设电力负荷数据预设时长隐层装置及设备存储介质电力负荷技术效果连接网络特征预测状态输入融合多层跳跃输出应用