-
公开(公告)号：CN118153766B
公开(公告)日：2025-05-02
申请号：CN202410338452.4
申请日：2024-03-25
Abstract: 本发明涉及一种极端天气场景下的风电出力预测方法、设备及介质，其中方法包括以下步骤：获取历史风电出力数据集，所述风电出力数据集包括不同天气下的历史风力发电量、风速；对风电出力数据集进行风速和天气类型标签离散化处理，构建第一数据集；利用基于条件生成对抗网络CGAN构建的数据增强模块对第一数据集中极端天气场景下的稀缺样本进行数据增强，得到第二数据集；获取实时气象数据，利用基于回归生成对抗网络RGAN构建的预测模块在线预测风电出力情况，所述预测模块以风速和天气类型数据作为输入，输出风电出力预测结果，利用第二数据集进行训练。与现有技术相比，本发明具有能够应对极端天气条件下风电出力的高度不确定性和变化性、预测准确性高等优点。
-
公开(公告)号：CN118862162A
公开(公告)日：2024-10-29
申请号：CN202410988062.1
申请日：2024-07-23
IPC: G06F21/62 , G06F21/60 , G06F16/27 , G06F16/2455 , G06F16/242
Abstract: 本发明涉及一种基于隐私计算的电力系统实验室数据共享方法、装置及介质，其中方法包括以下步骤：利用差分隐私技术，向电力系统实验室数据中添加隐私噪音；对电力系统实验室的关键敏感数据采用同态加密方法进行加密；多个电力实验室将本地数据加密后，通过安全多方计算协议，在多个电力系统实验室之间进行协同计算；基于区块链技术，构建去中心化的电力系统实验室数据共享平台，通过智能合约实现访问控制；建立电力系统实验室的数据共享联盟，实验室间签署数据共享协议；采用密文检索技术，基于加密的电力系统实验室数据进行隐私保护查询。与现有技术相比，本发明可以在保护电力系统实验数据隐私的前提下，实现不同实验室的安全协同分析，提高数据利用效率。
-
公开(公告)号：CN118153766A
公开(公告)日：2024-06-07
申请号：CN202410338452.4
申请日：2024-03-25
Abstract: 本发明涉及一种极端天气场景下的风电出力预测方法、设备及介质，其中方法包括以下步骤：获取历史风电出力数据集，所述风电出力数据集包括不同天气下的历史风力发电量、风速；对风电出力数据集进行风速和天气类型标签离散化处理，构建第一数据集；利用基于条件生成对抗网络CGAN构建的数据增强模块对第一数据集中极端天气场景下的稀缺样本进行数据增强，得到第二数据集；获取实时气象数据，利用基于回归生成对抗网络RGAN构建的预测模块在线预测风电出力情况，所述预测模块以风速和天气类型数据作为输入，输出风电出力预测结果，利用第二数据集进行训练。与现有技术相比，本发明具有能够应对极端天气条件下风电出力的高度不确定性和变化性、预测准确性高等优点。
-
公开(公告)号：CN118094225A
公开(公告)日：2024-05-28
申请号：CN202410241274.3
申请日：2024-03-04
IPC: G06F18/214 , G06F18/213 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/088
Abstract: 本发明涉及一种电力数据可解释特征提取方法、设备及介质，其中方法包括：获取电力负荷数据集作为真实数据；构建信息最大化生成对抗网络并进行训练，该网络包括生成器网络模块、鉴别器网络模块和判别器网络模块，其中，生成器网络模块用于接收由随机噪声和隐含代码拼接而成的输入向量并进行处理后生成数据；鉴别器网络模块用于接收生成数据和真实数据并进行区分；判别器网络模块用于接收生成数据和真实数据，还原数据对应的隐含代码；网络训练过程基于隐含代码与生成数据的语义信息之间的互信息最大化的方式调整参数；将真实数据输入训练完成的判别器网络模块，还原数据对应的隐含代码作为可解释特征输出。与现有技术相比，本发明具有不依赖标签、特征提取结果可靠等优点。
-
公开(公告)号：CN117592461A
公开(公告)日：2024-02-23
申请号：CN202311616847.8
申请日：2023-11-29
Applicant: 国网上海市电力公司经济技术研究院 , 上海人工智能研究院有限公司
IPC: G06F40/216 , G06F18/22 , G06N3/045 , G06Q10/20 , G06Q50/06
Abstract: 本发明公开了一种电力技术文档评价系统，包括：数据收集模块，所述数据收集模块收集海量在线评价数据，提取评价数据关键词，关键词包括电力设备运行的基本参数、电力设备日常维护的基础信息、电力设备的基本信息、电力设备故障情况、评价结果以及评价方案建议；数据管理模块。本发明通过建立第一关联机制、建立第二关联机制以及对评价数据进行复核，根据大数据产生的评价数据进行分析，并计算电力设备故障情况的常用关键词出现的条件概率，能有效确保评价数据的准确性，并能提升评价结果的匹配性，同时，通过大数据匹配，能从数据中的关联关键词，发现潜在的电力设备故障情况，避免电力设备故障情况遗漏的现象发生。
-
Patent Agency Ranking
公开(公告)号：CN116879672A
公开(公告)日：2023-10-13
申请号：CN202310636611.4
申请日：2023-05-31
Applicant: 国网上海市电力公司
IPC: G01R31/08 , G01R31/00 , G06F18/213 , G06F18/214 , G06F18/24 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 一种基于时间卷积网络的台区总表故障智能辨识方法，属电能计量领域。包括通过2D卷积的形式来提取量测时序数据矩阵其中的信息；采用时间卷积网络来进行变压器故障辨识的机器学习；将输入数据矩阵中的高维特征提取并压缩至输出层，进一步用于故障的辨识；采取日度故障辨识与年度故障辨识两种不同的故障辨识策略；用深度学习工具，通过对台区监测数据进行自动化、批量分析，直接定位出现故障的台区总表，排除线路或台区中其他不合理因素的干扰，从而提升线路经济运行率。可以提取每个变量单独包含的时间序列特征，同时可以横向提取变量之间的相关性；在保证信息提取效果的前提下大幅减少网络的参数规模，从而提升计算效率。
-
公开(公告)号：CN116879671A
公开(公告)日：2023-10-13
申请号：CN202310636069.2
申请日：2023-05-31
Applicant: 国网上海市电力公司
IPC: G01R31/08 , G01R31/00 , G06F18/214 , G06F18/23213 , G06F18/24 , G06F18/27 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 一种基于时间卷积网络与注意力机制的台区故障辨识方法，属故障识别领域。其将时间卷积网络应用于台区总表的故障辨识；通过提取台区量测值时间序列中的高维特征，实现对故障的辨识；采取日度故障辨识与年度故障辨识两种不同的故障辨识策略以检验模型的有效性；在进行年度序列的故障辨识中引入注意力机制，以强化对于关键信息片段的甄别能力；通过对台区监测数据进行自动化、批量分析，直接定位出现故障的台区总表，排除线路或台区中其他不合理因素的干扰，提升线路经济运行率；可直接应用于台区总表故障的在线辨识，实时读入台区量测数据并快速判断出其中是否存在故障，为检修计划的安排提供参考。可广泛用于台区变压器的运行管理和事故辨别领域。
-
公开(公告)号：CN117521632A
公开(公告)日：2024-02-06
申请号：CN202311615841.9
申请日：2023-11-29
Applicant: 国网上海市电力公司经济技术研究院 , 上海人工智能研究院有限公司
IPC: G06F40/194 , G06F16/182 , H04L67/06 , H04L67/1097 , G06Q50/06
Abstract: 本发明涉及一种电力技术文档数据识别审核系统，包括：数据库接收模块、数据识别模块、数据监控模块、数据识别审核判断模块、网络通信模块；所述数据库接收模块用于接收海量的电力技术文档记录的数据，所述数据识别模块首先对电力技术文档中的正常数据范围进行记录，然后对电力技术文档中历史标准运行数据进行分析，对电力技术文档进行数据处理分析，获得标准范围内的各项标准运行数据，数据监控模块·实时监测上传至数据库接收模块的电力技术文档中的数据；综上，所以本发明可以对传输的电力数据文档及时进行数据分析处理，从而及时判断出是否存在电力问题，相对于人工查看，则大大缩短了核查时间，提高了效率。
-
公开(公告)号：CN116892768A
公开(公告)日：2023-10-17
申请号：CN202310848928.4
申请日：2023-07-12
Applicant: 上海交通大学
Abstract: 本发明公开了一种云‑边协同架构下配网空调负荷调控方法，涉及配电网领域，包括如下步骤：S1.配网运营主体边缘计算设备将负荷削减总需求发送给云服务器；S2.配网空调负荷边缘计算设备将自身的基线负荷发送给云服务器；S3.配网空调负荷边缘计算设备发送报价给云服务器；S4.云服务器将每个空调的负荷削减计划发送给配网空调负荷，配网空调负荷执行负荷削减。本发明将云‑边协同技术应用到空调负荷等需求侧弹性资源协调领域。云服务器的按需计算属性有效地降低了需求侧协同的运行成本，独立存储属性在硬件层面保护了用户的个人数据。通过边缘计算设备和云服务器之间的数据协同，实现了负荷调控的高效和安全运行。
-
公开(公告)号：CN118549816A
公开(公告)日：2024-08-27
申请号：CN202410535565.3
申请日：2024-04-30
Applicant: 上海交通大学
IPC: G01R31/367 , G01R31/378 , G06F18/21 , G06F18/25 , G06N3/04
Abstract: 一种基于嵌入神经网络的锂电池状态估计方法，在离线阶段通过遗忘因子最小二乘法迭代获得电池初始参数的在线辨识结果后，构造锂电池等效电路模型并在其支路和干路中增加FNN作为嵌入神经网络的融合模型，通过非线性拟合在线辨识结果与电池真实参数的残差，以修正锂电池等效电路模型的参数，再对嵌入神经网络的融合模型进行训练；在线阶段采用训练后的嵌入神经网络的融合模型实时进行荷电状态的最优估计。本发明通过拟合等效电路模型中参数估计值与电池参数真实值之间的残差，通过前馈神经网络(FNN)的迭代训练，使得经FNN修正后的等效电路模型获得更为准确的电池参数。在获得足够精确电池参数的基础上，采用扩展卡尔曼滤波算法(EKF)实现对锂电池荷电状态(SOC)的精准估计。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.038 seconds)
