申请/专利权人:施维智能计量系统服务(长沙)有限公司
申请日:2023-04-24
公开(公告)日:2023-05-26
公开(公告)号:CN116166940A
主分类号:G06F18/15
分类号:G06F18/15;G06F18/241;G06N3/0464;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2023.07.14#授权;2023.06.13#实质审查的生效;2023.05.26#公开
摘要:本发明适用于电力电网技术领域,涉及一种基于热力图的用户电力负荷时间特性分类识别方法,包括以下步骤:S10、数据抽取与清洗;S20、绘制用户全年电力负载率热力图;S30、采用负荷CNN神经网络算法基于用户全年电力负载率热力图进行用户电力负荷时间特性识别分类。本发明过程简单、结果准确,通过绘制热力图,以热力图的形式呈现用电用户全年电力负荷的时间特性,并采用负荷CNN神经网络算法基于负载率热力图进行负荷特性分类,从全年的角度反应一年中不同月份和季节中每天的负荷时间特性,即反应了两个时间维度的电路负荷时间特性,较现有技术的负荷分类方法更为细致精确。
主权项:1.一种基于热力图的用户电力负荷时间特性分类识别方法,其特征在于,包括以下步骤:S10、数据抽取与清洗;S20、绘制用户全年电力负载率热力图;S30、采用负荷CNN神经网络算法基于用户全年电力负载率热力图进行用户电力负荷时间特性识别分类;所述步骤S30的具体步骤包括:S301、将一天24小时划分为多个时段,并设定对应时段的时间特性值;S302、选取若干用电用户的全年负载率数据,被选取的用电用户在全年四季节分别满足负载率的峰值发生时段与谷值发生时段在所述步骤S301的时段范围内;S303、将所述步骤S302中选取的负载率数据按用电用户分别生成负载率热力图,并设定负荷的时间特性值;S304、将所述步骤S303中负载率热力图作为样本输入至CNN神经网络进行模型训练;S305、将待分类用电用户的负载率热力图输入到已训练完成的CNN网络模型中,完成用电负荷时间特性的分类。
全文数据:
权利要求:
百度查询: 施维智能计量系统服务(长沙)有限公司 一种基于热力图的用户电力负荷时间特性分类识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。