CN115713360A - 一种电力市场运营风险预测方法、装置及存储介质 - Google Patents
一种电力市场运营风险预测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115713360A CN115713360A CN202211261437.1A CN202211261437A CN115713360A CN 115713360 A CN115713360 A CN 115713360A CN 202211261437 A CN202211261437 A CN 202211261437A CN 115713360 A CN115713360 A CN 115713360A
- Authority
- CN
- China
- Prior art keywords
- electric power
- data
- module
- power market
- electric
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电力市场运营风险预测方法、装置及存储介质,所述方法包括获取电力市场数据;通过预先输入的联动的参数,对电力市场数据进行筛选;执行Action模块,得到京电指数初始评估值;执行Action模块之后通过ActionMapping模块对京电指数初始评估值进行指标计算,输出联动结果,同时进一步读取Action配置参数输入给参数预测调整模块进行调整,获取调整后的联动需求;调用分析库ActionForm模块,执行Action模块和参数预测调整模块把调整后的联动需求进行筛选,构筑一个递归的过程,每一次的递归结果即为下一轮的预测结果,本发明完成了电力市场运营成效和风险评估,分析模型完备,分析速度快,能够对结果进行准确的预测。
Description
技术领域
本发明涉及一种电力市场运营风险预测方法、装置及存储介质,属于电力技术领域。
背景技术
电力市场顾名思义就是电力交易市场,随着我国电力市场建设正在深化推进,市场交易品种不断增加、交易主体日趋多元化、交易周期更加灵活多变,市场运营成效及其风险情况将更加难以掌握。及时掌握和分析市场运营带来的成效以及可能存在的风险,对市场平稳有序发展至关重要。电力市场运营成效和风险评估体系需要庞大的不同来源的数据,基于不同来源的数据需要开展分析建模并进行结果预测,但现有的电力市场运营成效和风险评估体系存在着分析模型不完备,分析结果耗时长,并且无法对结果进行预测等问题,急需研究一种电力市场运营风险预测方法保障市场成效和风险评估指标体系的正确性和有效性。
发明内容
本发明的目的在于提供一种电力市场运营风险预测方法、装置及存储介质,以解决上述背景技术中提出的问题。
为达到上述目的,本发明是采用下述技术方案实现的:
第一方面,本发明提供了一种电力市场运营风险预测方法,包括:
获取电力市场数据;
数据筛选步骤,包括:通过预先输入的联动参数,对所述电力市场数据进行第一次数据筛选;
调用预先构建的分析库ActionForm模块对第一次筛选后的电力市场数据进行分析验证,将验证成功的数据作为指标符合导入Action模块的电力市场数据;
将指标符合导入Action模块的电力市场数据导入预先构建的Action模块并运行所述Action模块,得到京电指数初始评估值;
通过预先构建的ActionMapping模块对京电指数初始评估值进行指标计算,输出京电指数最终联动结果;
读取Action模块的配置参数输入给预先构建的参数预测调整模块进行各交易品种类型的电量、电价调整,获取调整后的联动参数;
将调整后的联动参数作为输入返回数据筛选步骤,进行第二次数据筛选,构筑一个递归的过程,每一次的递归结果即为下一轮的预测结果;
通过多次递归获取的多轮预测结果,对未来电力市场运营风险进行预测;
其中,参数预测调整模块采用预先构建的时序预测算法模型对参数进行进一步的预测和调整,结合Action配置参数和第一次数据筛选的参数通过时序预测算法进行预测。
进一步的,所述联动参数包括电力市场外送电量、电力市场外送电价、大用户直接交易电量、大用户直接交易电价、发电权电量、发电权电价、现货交易电量、现货交易电价、抽水招标电量、抽水招标电价中的任意一种或多种。
进一步的,所述对所述电力市场数据进行第一次数据筛选,具体为:筛选去除电力市场数据中的垃圾数据和异常数据,保留准确的电力市场数据。
进一步的,在所述电力市场数据进行第一次数据筛选前,对所述电力市场数据进行大数据清洗,提取关键数据和信息,并进行关联,存储为可以直接用于挖掘分析的数据。
进一步的,所述调用预先构建的分析库ActionForm模块对第一次筛选后的电力市场数据进行分析并且验证,将验证成功的数据作为指标符合导入Action模块的电力市场数据;包括:
调用预先构建的分析库ActionForm模块;
将第一次筛选后的电力市场数据输入分析库ActionForm模块,基于分析库ActionForm模块验证电力市场数据的指标是否符合验证指标;
如果不符合,则验证失败,给出错误提示,如果符合,则验证成功;
将验证成功的数据作为指标符合导入Action模块的电力市场数据。
进一步的,预先构建的Action模块中存储有电力市场风险指标算法、外送电费、大用户直接交易电费、发电权电费、现货交易电费、抽水招标电费要求的标准值和阈值范围;将指标符合导入Action模块的电力市场数据导入预先构建的Action模块并运行所述Action模块,得到京电指数初始评估值,包括:
将指标符合导入Action模块的电力市场数据导入预先构建的Action模块;
运行所述Action模块,采用所述电力市场风险指标算法,结合所述标准值和所述阈值范围,通过Action模块对指标符合导入Action模块的电力市场数据开展综合评估,得出京电指数初始评估值。
进一步的,ActionMapping模块中预先存储指标计算算法,所述通过预先构建的ActionMapping模块对京电指数初始评估值进行指标计算,包括:
将京电指数初始评估值输入所述指标计算算法中进行指标计算,获取京电指数最终联动结果。
进一步的,所述时序预测算法模型的构建方法,包括:
建立指数平滑预测方法模型,其中,指数平滑预测方法的递推公式为:
Yt+1=αXt+α(1-α)Xt-1+α(1-α)2Xt-2+…+α(1-α)nXt-n (1.1)
式(1.1)中:Yt+1为指数平滑法预测值;α为权重系数,n为平滑指数,t为期数,Xt、Xt-1、Xt-2、…、Xt-n为各期的观测值;
在一次指数平滑的基础上再次平滑得到二次指数平滑法,其平滑公式为:
整理得到时序预测算法模型为:Yt+m=αt+bt×m,其中:Yt+m为预测值,m为预测的超前期数。
第二方面,本发明提供一种电力市场运营风险预测装置,包括:
数据获取模块,用于获取电力市场数据;
数据筛选模块,用于通过预先输入的联动参数,对所述电力市场数据进行第一次数据筛选;
分析验证模块,用于调用预先构建的分析库ActionForm模块对第一次筛选后的电力市场数据进行分析验证,将验证成功的数据作为指标符合导入Action模块的电力市场数据;
处理模块,用于将指标符合导入Action模块的电力市场数据导入预先构建的Action模块并运行所述Action模块,得到京电指数初始评估值;
计算模块,用于通过预先构建的ActionMapping模块对京电指数初始评估值进行指标计算,输出京电指数最终联动结果;
调整模块,用于读取Action模块的配置参数输入给预先构建的参数预测调整模块进行各交易品种类型的电量、电价调整,获取调整后的联动参数;其中,参数预测调整模块采用预先构建的时序预测算法模型对参数进行进一步的预测和调整,结合Action配置参数和第一次数据筛选的参数通过时序预测算法进行预测;
递归模块,用于将调整后的联动参数作为输入返回数据筛选模块,进行第二次数据筛选,构筑一个递归的过程,每一次的递归结果即为下一轮的预测结果;
风险预测模块,用于通过多次递归获取的多轮预测结果,对未来电力市场运营风险进行预测。
第三方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述任一项所述方法的步骤。
与现有技术相比,本发明所达到的有益效果:
本发明提供一种电力市场运营风险预测方法、装置及存储介质,通过调用Action模块,得到京电指数初始评估值,再通过ActionMapping模块对京电指数初始评估值进行指标计算,输出京电指数最终联动结果,再通过参数调整模块进行调整,最后执行Action模块和参数预测调整模块把调整后的联动需求进行第二次数据筛选,构筑一个循环,完成电力市场运营成效和风险评估,分析模型完备,分析速度快,能够对结果进行准确的预测。
附图说明
图1是本发明实施例提供的一种电力市场运营风险预测方法的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例1
本实施例介绍一种电力市场运营风险预测方法,包括:
获取电力市场数据;
数据筛选步骤,包括:通过预先输入的联动参数,对所述电力市场数据进行第一次数据筛选;
调用预先构建的分析库ActionForm模块对第一次筛选后的电力市场数据进行分析验证,将验证成功的数据作为指标符合导入Action模块的电力市场数据;
将指标符合导入Action模块的电力市场数据导入预先构建的Action模块并运行所述Action模块,得到京电指数初始评估值;
通过预先构建的ActionMapping模块对京电指数初始评估值进行指标计算,输出京电指数最终联动结果;
读取Action模块的配置参数输入给预先构建的参数预测调整模块进行各交易品种类型的电量、电价调整,获取调整后的联动参数;
将调整后的联动参数作为输入返回数据筛选步骤,进行第二次数据筛选,构筑一个递归的过程,每一次的递归结果即为下一轮的预测结果;
通过多次递归获取的多轮预测结果,对未来电力市场运营风险进行预测;
其中,参数预测调整模块采用预先构建的时序预测算法模型对参数进行进一步的预测和调整,结合Action配置参数和第一次数据筛选的参数通过时序预测算法进行预测。
如图1所示,本实施例提供的电力市场运营风险预测方法,其应用过程具体涉及如下步骤:
1)开展电力市场运营风险关于京电指数主题指标预测,把采集到的电力市场数据作为输入;
2)对数据进行大数据清洗;由于存在多源异构(如结构化、非结构化、半结构化数据)数据源,必须在采集到数据以后,进行一次或多次预处理,提取关键数据和信息,并进行关联,存储为可以直接用于挖掘分析的数据。例如对交易平台或交易员操作日志信息进行文本分析,提取数据;在完成数据存储以后,根据数据挖掘分析的需要,对已经整理关联的数据进一步做处理,如进行部分自动化计算。预处理可能同时发生在存储前和存储后。数据存储的模型和结构也应满足挖掘分析的需要,以方便、高效查找所需数据为目标进行持续优化;
3)预先准备京电指数需要的联动参数,联动参数包括电力市场外送电量、电力市场外送电价、大用户直接交易电量、大用户直接交易电价、发电权电量、发电权电价、现货交易电量、现货交易电价、抽水招标电量、抽水招标电价,通过预先输入的联动的参数,对所述电力市场明细数据进行第一次数据筛选,通过筛选去除垃圾数据和异常数据,比如空值、重复数据,保留准确的电力交易数据;
4)然后调用分析库ActionForm模块进行处理
A、ActionForm模块主要实现对数据的分析并且验证,验证为考虑数据的指标是否符合导入Action进行处理。
B、如果不符合的,就验证失败,给出错误提示,验证成功的进一步去执行Action模块。
分析库ActionForm模块进行处理验证结果失败的给出错误提示,验证成功的进一步去执行Action模块,Action模块主要作用是完成对电力市场风险进行综合评估;Action模块预先存储电力市场风险指标算法,其中京电指数的电费风险评估算法为电费=电价(市场平均)*电量,电量和电价,Action模块预先存储外送电费、大用户直接交易电费、发电权(取正值)电费、现货交易电费、抽水招标电费要求的标准值和阈值,标准值为30000,单位万元,阈值范围大于等于0且小于1000为合理范围值,大于等于1000以上为风险范围值,结合标准值和阈值范围,Action模块对第一次筛选后的数据开展综合评估,得出京电指数初始评估值。
5)执行Action模块之后通过ActionMapping进行处理后跳转,ActionMapping对京电指数评估值进行指标计算,具体算法为(外送电费+大用户直接交易电费+发电权(取正值)电费+现货交易电费+抽水招标电费)/19330953799*1000,经过计算输出京电指数最终联动结果,例如得出京电指数为4000,按照电力市场对京电指数主题指标的数值要求,输出联动结果,同时进一步读取Action配置输入给参数预测调整模块进行各交易品种类型的电量、电价调整;
6)参数预测调整模块把调整后的联动需求进一步提供给数据筛选,参数预测调整模块主要采用时序预测算法模型对参数进行进一步的预测和调整,结合上一轮的action配置参数和数据筛选的参数通过时序预测算法进行预测。
7)然后数据筛选,调用分析库ActionForm模块,执行Action和参数预测调整模块把调整后的联动需求进一步提供给数据筛选,构筑一个循环。每一次循环是对下一轮的预测。譬如历史结果第一轮出来后,进入第二轮就是对一下年的结果进行预测,以此类推。
其中7)的所述参数预测调整模块的时序预测算法,具体为
通过设置预测算法、分析图形、样本数据和拟合方法、推测期数、置信水平等预测参数,根据时间序列样本周期规律,得到下一期维度值及预测指标结果,观察数据变化趋势。第一轮使用自定义设置参数,进行趋势预测,获取趋势预测变化曲线,从而预测业务发展变化趋势。
算法模型为:
首先建立在指数平滑预测方法模型,它是一种中短期时序数据趋势预测,最合适的预测方法,对不同时间的数据的非等权处理较符合实际情况。指数平滑法根据其平滑次数,一般可分为一次、二、三次等n次指数平滑法等。
下面给出指数平滑法的递推公式:
Yt+1=αXt+α(1-α)Xt-1+α(1-α)2Xt-2+…+α(1-α)nXt-n, (1.1)
式(1.1)中:Yt+1为指数平滑法预测值;α为权重系数,n为平滑指数,t为期数,Xt、Xt-1、Xt-2、…、Xt-n为各期的观测值。
对应几个轮次的参数值;每增加一轮就增加一轮的参数。
由递推公式可以看出,调整预测值的能力强;预测值包含的信息量是全部历史数据,加权的特点是离预测期较近的权数较大,较远的权数较小。权数之和为1;这种变化趋势能迅速反映在指数移动平均值中。
一次指数平滑的基础上再次平滑就得到二次指数平滑法,其平滑公式为:
最后,整理得到时序预测算法模型为:Yt+m=αt+bt×m,其中:Yt+m为预测值,m为预测的超前期数。
例如
推测期数:默认往后推测1期,最小推测期数为1,最大预测期数限制为10。时间序列维度值周期规律判断,使用等差数列计算该样本数据的公差,来判断下一期的维度值。
1)若数据存在周期规律,则按照该规律显示下一期维度值,即“当前最大维度值+公差”,如时间序列样本数据为2012、2014、2016、2018,则此时下一期为2020;
2)若数据不存在周期规律,则下一期为“当前最大维度值+1”,如时间序列样本数据为2011、2014、2015、2018,则此时下一期为2019。
实施例2
本实施例提供一种电力市场运营风险预测装置,包括:
数据获取模块,用于获取电力市场数据;
数据筛选模块,用于通过预先输入的联动参数,对所述电力市场数据进行第一次数据筛选;
分析验证模块,用于调用预先构建的分析库ActionForm模块对第一次筛选后的电力市场数据进行分析验证,将验证成功的数据作为指标符合导入Action模块的电力市场数据;
处理模块,用于将指标符合导入Action模块的电力市场数据导入预先构建的Action模块并运行所述Action模块,得到京电指数初始评估值;
计算模块,用于通过预先构建的ActionMapping模块对京电指数初始评估值进行指标计算,输出京电指数最终联动结果;
调整模块,用于读取Action模块的配置参数输入给预先构建的参数预测调整模块进行各交易品种类型的电量、电价调整,获取调整后的联动参数;其中,参数预测调整模块采用预先构建的时序预测算法模型对参数进行进一步的预测和调整,结合Action配置参数和第一次数据筛选的参数通过时序预测算法进行预测;
递归模块,用于将调整后的联动参数作为输入返回数据筛选模块,进行第二次数据筛选,构筑一个递归的过程,每一次的递归结果即为下一轮的预测结果;
风险预测模块,用于通过多次递归获取的多轮预测结果,对未来电力市场运营风险进行预测。
实施例3
本实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现实施例1中任一项所述方法的步骤。
实施例4
一种电子设备,包括处理器及存储介质;
所述存储介质用于存储指令;
所述处理器用于根据所述指令进行操作以执行根据实施例1中任一项所述方法的步骤。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种电力市场运营风险预测方法,其特征在于,包括:
获取电力市场数据;
数据筛选步骤,包括:通过预先输入的联动参数,对所述电力市场数据进行第一次数据筛选;
调用预先构建的分析库ActionForm模块对第一次筛选后的电力市场数据进行分析验证,将验证成功的数据作为指标符合导入Action模块的电力市场数据;
将指标符合导入Action模块的电力市场数据导入预先构建的Action模块并运行所述Action模块,得到京电指数初始评估值;
通过预先构建的ActionMapping模块对京电指数初始评估值进行指标计算,输出京电指数最终联动结果;
读取Action模块的配置参数输入给预先构建的参数预测调整模块进行各交易品种类型的电量、电价调整,获取调整后的联动参数;
将调整后的联动参数作为输入返回数据筛选步骤,进行第二次数据筛选,构筑一个递归的过程,每一次的递归结果即为下一轮的预测结果;
通过多次递归获取的多轮预测结果,对未来电力市场运营风险进行预测;
其中,参数预测调整模块采用预先构建的时序预测算法模型对参数进行进一步的预测和调整,结合Action配置参数和第一次数据筛选的参数通过时序预测算法进行预测。
2.根据权利要求1所述的电力市场运营风险预测方法,其特征在于,所述联动参数包括电力市场外送电量、电力市场外送电价、大用户直接交易电量、大用户直接交易电价、发电权电量、发电权电价、现货交易电量、现货交易电价、抽水招标电量、抽水招标电价中的任意一种或多种。
3.根据权利要求1所述的电力市场运营风险预测方法,其特征在于,所述对所述电力市场数据进行第一次数据筛选,具体为:筛选去除电力市场数据中的垃圾数据和异常数据,保留准确的电力市场数据。
4.根据权利要求1所述的电力市场运营风险预测方法,其特征在于,在所述电力市场数据进行第一次数据筛选前,对所述电力市场数据进行大数据清洗,提取关键数据和信息,并进行关联,存储为可以直接用于挖掘分析的数据。
5.根据权利要求1所述的电力市场运营风险预测方法,其特征在于,所述调用预先构建的分析库ActionForm模块对第一次筛选后的电力市场数据进行分析并且验证,将验证成功的数据作为指标符合导入Action模块的电力市场数据;包括:
调用预先构建的分析库ActionForm模块;
将第一次筛选后的电力市场数据输入分析库ActionForm模块,基于分析库ActionForm模块验证电力市场数据的指标是否符合验证指标;
如果不符合,则验证失败,给出错误提示,如果符合,则验证成功;
将验证成功的数据作为指标符合导入Action模块的电力市场数据。
6.根据权利要求1所述的电力市场运营风险预测方法,其特征在于,预先构建的Action模块中存储有电力市场风险指标算法、外送电费、大用户直接交易电费、发电权电费、现货交易电费、抽水招标电费要求的标准值和阈值范围;将指标符合导入Action模块的电力市场数据导入预先构建的Action模块并运行所述Action模块,得到京电指数初始评估值,包括:
将指标符合导入Action模块的电力市场数据导入预先构建的Action模块;
运行所述Action模块,采用所述电力市场风险指标算法,结合所述标准值和所述阈值范围,通过Action模块对指标符合导入Action模块的电力市场数据开展综合评估,得出京电指数初始评估值。
7.根据权利要求1所述的电力市场运营风险预测方法,其特征在于,ActionMapping模块中预先存储指标计算算法,所述通过预先构建的ActionMapping模块对京电指数初始评估值进行指标计算,包括:
将京电指数初始评估值输入所述指标计算算法中进行指标计算,获取京电指数最终联动结果。
8.根据权利要求1所述的电力市场运营风险预测方法,其特征在于,所述时序预测算法模型的构建方法,包括:
建立指数平滑预测方法模型,其中,指数平滑预测方法的递推公式为:
Yt+1=αXt+α(1-α)Xt-1+α(1-α)2Xt-2+…+α(1-α)nXt-n (1.1)
式(1.1)中:Yt+1为指数平滑法预测值;α为权重系数,n为平滑指数,t为期数,Xt、Xt-1、Xt-2、…、Xt-n为各期的观测值;
在一次指数平滑的基础上再次平滑得到二次指数平滑法,其平滑公式为:
整理得到时序预测算法模型为:Yt+m=αt+bt×m,其中:Yt+m为预测值,m为预测的超前期数。
9.一种电力市场运营风险预测装置,其特征在于,包括:
数据获取模块,用于获取电力市场数据;
数据筛选模块,用于通过预先输入的联动参数,对所述电力市场数据进行第一次数据筛选;
分析验证模块,用于调用预先构建的分析库ActionForm模块对第一次筛选后的电力市场数据进行分析验证,将验证成功的数据作为指标符合导入Action模块的电力市场数据;
处理模块,用于将指标符合导入Action模块的电力市场数据导入预先构建的Action模块并运行所述Action模块,得到京电指数初始评估值;
计算模块,用于通过预先构建的ActionMapping模块对京电指数初始评估值进行指标计算,输出京电指数最终联动结果;
调整模块,用于读取Action模块的配置参数输入给预先构建的参数预测调整模块进行各交易品种类型的电量、电价调整,获取调整后的联动参数;其中,参数预测调整模块采用预先构建的时序预测算法模型对参数进行进一步的预测和调整,结合Action配置参数和第一次数据筛选的参数通过时序预测算法进行预测;
递归模块,用于将调整后的联动参数作为输入返回数据筛选模块,进行第二次数据筛选,构筑一个递归的过程,每一次的递归结果即为下一轮的预测结果;
风险预测模块,用于通过多次递归获取的多轮预测结果,对未来电力市场运营风险进行预测。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:该程序被处理器执行时实现权利要求1~8任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211261437.1A CN115713360A (zh) | 2022-10-14 | 2022-10-14 | 一种电力市场运营风险预测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211261437.1A CN115713360A (zh) | 2022-10-14 | 2022-10-14 | 一种电力市场运营风险预测方法、装置及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115713360A true CN115713360A (zh) | 2023-02-24 |
Family
ID=85231241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211261437.1A Pending CN115713360A (zh) | 2022-10-14 | 2022-10-14 | 一种电力市场运营风险预测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115713360A (zh) |
-
2022
- 2022-10-14 CN CN202211261437.1A patent/CN115713360A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108364106A (zh) | 一种报销单风险预测方法、装置、终端设备及存储介质 | |
CN112910690A (zh) | 基于神经网络模型的网络流量预测方法、装置及设备 | |
CN115600824B (zh) | 一种碳排放的预警方法及装置、存储介质、电子设备 | |
CN116307215A (zh) | 一种电力***的负荷预测方法、装置、设备及存储介质 | |
CN115616333A (zh) | 一种配电网线损预测方法及*** | |
CN116739172A (zh) | 一种基于爬坡识别的海上风电功率超短期预测方法及装置 | |
CN114399076A (zh) | 基于大数据分析的窃电嫌疑用户筛选方法 | |
CN113033898A (zh) | 基于k均值聚类与bi-lstm神经网络的电负荷预测方法及*** | |
CN116706884A (zh) | 光伏发电量的预测方法、装置、终端及存储介质 | |
CN111475548A (zh) | 一种基于大数据挖掘技术的用电异常分析决策*** | |
CN116561569A (zh) | 一种基于EO特征选择结合AdaBoost算法的工业电力负荷辨识方法 | |
CN115713360A (zh) | 一种电力市场运营风险预测方法、装置及存储介质 | |
CN113704407B (zh) | 基于类别分析的投诉量分析方法、装置、设备及存储介质 | |
CN115528684A (zh) | 一种超短期负荷预测方法、装置及电子设备 | |
CN115130924A (zh) | 一种源网荷储背景下微电网电力设备资产评估方法及*** | |
CN112614005A (zh) | 企业复工状态的处理方法和装置 | |
CN110689168A (zh) | 一种用电负荷预测方法及预测装置 | |
CN117435870B (zh) | 一种负荷数据实时填充方法、***、设备和介质 | |
CN118070134B (zh) | 一种园区内用户用电能耗预测方法及*** | |
CN113744081B (zh) | 窃电行为分析方法 | |
CN117332893A (zh) | 一种电力申报数据的生成方法及*** | |
CN117556935A (zh) | 时间序列预测方法、装置、设备及可读存储介质 | |
CN117878891A (zh) | 一种电力负荷电价响应概率预测方法、装置、存储介质及设备 | |
CN117254459A (zh) | 一种电力负荷峰值预测方法以及相关设备 | |
CN115293651A (zh) | 一种项目交付合理性评估方法、装置、电子设备及存储介质 |
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 |