专利交易市场

本发明为基于混合机器学习的配电网负荷预测装置及方法，人工智能预测技术领域。其中，该装置包含数据采集模块、数据存储模块、数据预处理模块以及预测模块；该方法包含以下步骤：S1：采集区域内居民小区的负荷数据；S2：对居民小区负荷数据进行预处理；S3：利用Copula熵和模糊隶属度函数计算节点属性特征；S4：构造配电站辖区的权重图；S5：建立混合机器学习模型和损失函数，并利用权重图训练；S6：利用混合机器学习模型预测配电网的负荷数据。本发明方法对负荷数据特征进行加权、融合和更新，能够显著提高预测的精度、效率和泛化能力。

本发明为基于深度混合神经网络的电网节点故障诊断方法与装置，人工智能预测技术领域。其中，该装置包含数据采集模块、数据存储模块、数据预处理模块以及预测模块；该方法包含以下步骤：S1：采集区域内电网节点故障数据；S2：对电网节点故障数据进行预处理；S3：采用编码方法得到知识图谱；S4：利用GNN提取知识图谱中的节点信息，聚合输出最终节点表示；S5：构建多层的MLP损失函数，并训练；S6：实时进行处理和分析，预测或判断电网节点的故障情况。本发明方法采用GNN实现了电网接电故障数据语义的准确表达；采用多层的MLP结合了交叉验证学习，极大的提高了模型学习能力和准确性；能够实现准确预测或判断电网节点的故障情况。