-
公开(公告)号：CN112686821A
公开(公告)日：2021-04-20
申请号：CN202011605285.3
申请日：2020-12-30
Applicant: 南京工程学院
Abstract: 本发明属于图像识别和图像预测领域，涉及到一种基于改进对抗网络的负荷数据修补方法。在现阶段采集到的实际负荷数据中，由于监测系统的故障或者人为原因，负荷数据集中有可能有缺失数据，会影响负荷模型的可靠性。本发明提供的方法将由历史电力负荷数据形成高光谱图片先通过图片软件降低分辨率；代入训练样本图片对DCGAN网络进行训练；将测试样本图片上随机去除30个数据点后代入训练完成的DCGAN网络，得出修补后的图片；将修补后的图片使用HSV色彩空间方法转化为数据；使用相对误差（RE）和均方根误差（RMSE）两种误差指标对修补数据进行误差评价。本发明提供的方法负荷数据集中不缺失数据，负荷模型的可靠性高。
-
公开(公告)号：CN112448664A
公开(公告)日：2021-03-05
申请号：CN201910821786.6
申请日：2019-09-02
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于温度变化的跟踪式光伏发电系统,包括光伏板和控制器，所述光伏板的背部设置光轴滑轨，所述光轴滑轨配置滑块，所述滑块的底部连接直杆，所述直杆的另一端活动连接定位柱，所述直杆还活动连接传动杆，所述定位柱、直杆和传动杆三者连接点在同一面，所述传动杆为横向设置，所述定位柱为竖直设置，所述直杆为活动斜向设置，所述传动杆的底部固定连接液压杆，所述控制器控制连接液压杆，所述控制器还信号输入连接辐照度和温度传感器，本发明的有益效果是：跟踪式光伏发电系统在考虑环境温度的情况下，控制光伏板随着太阳的移动而转动，使发电功率大大提升，而且能防止光伏板过热。
-
公开(公告)号：CN111461463A
公开(公告)日：2020-07-28
申请号：CN202010369892.8
申请日：2020-04-30
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于TCN-BP的短期负荷预测方法、系统及设备，包括如下步骤：采集负荷数据及主要气象因素数据；对数据进行预处理和灰色关联度分析；将气象因素数据分为时序性和非时序性数据，对历史时序性数据进行TCN降维处理；以降维处理后的数据和非时序性数据为输入，负荷数据为输出，代入BP神经网络进行训练直到网络收敛；利用训练完成的反传网络完成负荷预测，输出负荷预测数据。本发明基于传统的BP神经网络，融合TCN时间卷积神经网络对短期负荷进行预测，可以克服传统BP神经网络基于梯度训练的缺点，同时能够有效提高收敛速度，可有效提高短期负荷预测的精度。
-
公开(公告)号：CN111461462A
公开(公告)日：2020-07-28
申请号：CN202010360137.3
申请日：2020-04-29
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于TrellisNet-LSTM的日负荷预测方法，包括如下步骤：采集负荷数据以及与负荷有关的特征数据；通过趋势外推法修正负荷坏数据；构造数据样本；建立TrellisNet-LSTM神经网络预测模型，将训练日的日特征向量、训练日前一天的日特征向量及训练日前一天的日负荷向量作为输入，训练日的日负荷向量作为输出构成训练集数据，进行训练；将待预测日的日特征向量、待预测日前一天的日特征向量及待预测日前一天的负荷向量作为输入，用训练后的TrellisNet-LSTM神经网络预测模型进行负荷预测，得到待预测日的负荷向量。本发明可以准确预测负荷，降低计算量且提高模型收敛速度。
-
公开(公告)号：CN110852522A
公开(公告)日：2020-02-28
申请号：CN201911134260.7
申请日：2019-11-19
Applicant: 南京工程学院
Abstract: 本发明公开了一种短期电力负荷预测方法，包括采集近期负荷数据、气温数据和光辐照强度数据，构建训练样本和预测样本；对训练样本和预测样本中的数据进行降维处理；采用VMD方法对降维后的数据进行分解；用训练样本分解获得的分量进行模糊小脑神经网络训练；将预测样本分解获得的分量带入训练好的模糊小脑神经网络，获得预测结果。同时公开了相应的系统。本发明基于负荷数据、气温数据和光辐照强度数据，依次对数据进行降维、分解，训练模糊小脑神经网络，最后模糊小脑神经网络进行预测，大大增强了预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN105514965A
公开(公告)日：2016-04-20
申请号：CN201510837311.8
申请日：2015-11-26
Abstract: 本发明公开了一种自治直流微电网的分布式储能SOC双象限下垂控制方法，包括：设计自治直流微电网中分布式储能系统的运行规则；根据所述储能系统的运行规则确定平衡多个储能单元SOC值的双象限下垂控制原则；根据所述双象限下垂控制原则得到直流微电网中储能下垂控制表达式；根据所述直流微电网中储能下垂控制表达式，建立充电模式和放电模式下的控制模型；根据所述控制模型确定储能单元SOC及充放电功率的平衡速率的控制参数，根据评估指标判断控制参数取值是否合理。本发明提高了储能单元的利用效率、延长其使用寿命，运行更高效。
-
公开(公告)号：CN119990427A
公开(公告)日：2025-05-13
申请号：CN202510073017.8
申请日：2025-01-16
Applicant: 南京工程学院
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/06 , G06N5/04
Abstract: 本发明公开了一种考虑可再生能源不确定性的混合博弈优化运行方法，建立包含共享储能运营商、综合能源微网联盟以及用户聚合商的混合博弈优化模型；混合博弈优化模型中，共享储能运营商、综合能源微网联盟以及用户聚合商进行主从博弈；通过博弈，确定三者之间的交易电价与电量，以及综合能源微网联盟成员之间的电能交易量；综合能源微网联盟成员之间进行合作博弈，根据电能交易量，基于纳什谈判理论求出综合能源微网联盟成员综合能源微网之间的电能交易价格；采用KKT条件求解混合博弈优化模型，采用ADMM求解合作博弈问题。本发明公考虑微电网以及用户侧内部可再生能源的不确定性，为保证用户聚合商模型的普适性。
-
公开(公告)号：CN118539420A
公开(公告)日：2024-08-23
申请号：CN202410621626.8
申请日：2024-05-17
Applicant: 南京工程学院
IPC: H02J3/00 , G06Q10/067 , G06F18/213 , G06F18/231 , G06N7/01 , G06F18/23213
Abstract: 本发明公开一种基于层次量子聚类与用户画像的EV充电负荷预测方法，对用户特征采用熵权法获取权重，通过层次量子聚类的方法对加权后的用户特征参数进行聚类以获得不同的用户群体，使用核密度估计法获得各个群体用户特征的概率分布，根据层次量子聚类法获得不同精度的用户分类，根据用户特征的分布将用户的每个特征进行“编码”以形成用户画像，考虑充电和放电的损耗、电池退化的情况对电动汽车的荷电状态进行修正，引入恒流恒压充电时功率衰减模型对用户充电进行模拟。最后使用蒙特卡洛法对用户的出行行为以及充电行为进行模拟，验证了采用此方法可以在多精度下预测大规模的电动汽车负荷变化情况，为用户群体分类和地区电网运行提供思路。
-
公开(公告)号：CN111382906B
公开(公告)日：2024-02-27
申请号：CN202010155061.0
申请日：2020-03-06
Applicant: 南京工程学院
IPC: H02J3/00 , G06F18/213 , G06F18/27 , G06N3/0464 , G06N3/049 , G06N3/08 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开了一种电力负荷预测方法、系统、设备和计算机可读存储介质，方法包括如下步骤：采集电力负荷数据以及与负荷有关的气象数据；对气象因素与负荷、时间进行关联度分析，保留与负荷关联度较高的气象因素；将保留的气象数据分为时序性和非时序性气象数据；利用经验模态分解算法对非时序性气象数据进行分解；利用时间卷积网络模型对时序性气象数据进行降维，得到负荷的最优估计值；将分解后的气象数据、负荷的最优估计值和负荷数据代入GRNN模型进行训练，利用训练好的模型进行预测，得到预测结果。本发明的方法可以有效的去除噪声、提高负荷预测精度、降低建模任务量，从而验证
-
公开(公告)号：CN117394405A
公开(公告)日：2024-01-12
申请号：CN202311144189.7
申请日：2023-09-06
Applicant: 南京工程学院
IPC: H02J3/32 , H02J3/14 , G06F18/21 , G06F18/2321 , G06N3/006 , G06Q30/0283 , G06Q50/06
Abstract: 本发明公开了一种基于负荷平滑的混合储能配置优化方法，包括如下步骤：选用负荷数据作为储能配置对象；按高频分量最大尖峰时刻划分尖峰负荷与基准负荷，使用超级电容对尖峰负荷配置，配置后的负荷与基准负荷相加得到合成负荷，再次将合成负荷分解为次高频分量与次低频分量，采用锂电池与铅碳电池分别对次高、低频分量进行配置；在两部制分时电价的背景下，搭建基于改进麻雀搜索算法的混合储能配置模型，外层以储能设备全寿命周期内最大净收益为目标,得到了储能额定容量、充放电功率,内层以日调度周期内最大收益为目标,得到各时间段的充放电量。本发明可以优化负荷特性、提高系统的经济效益。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.033 seconds)
