变压器过负荷控制系统
    2.
    实用新型

    公开(公告)号:CN206712463U

    公开(公告)日:2017-12-05

    申请号:CN201720550695.X

    申请日:2017-05-18

    Abstract: 本实用新型公开了变压器过负荷控制系统,包括固定杆,所述固定杆上设有其他变压器,所述固定杆上固定安装有固定板,所述固定板上设有控制装置,所述固定杆的侧壁上设有监测装置,所述监测装置和控制装置通过接线电缆连接,所述监测装置上设有控制面板,本实用新型通过采集终端、控制装置和监测装置组成,采集终端可由供电公司有权限人员设定变压器超负荷运行值和运行时间,在运行状态下将信息反馈给控制装置,如该用户实际用电负荷及时间超出监测装置的设定值,则控制装置启动内部跳闸装置,从而达到对高出力变压器用户超负荷用电时的监测和控制,解决在一定范围内出现的虚报变压器容量的情况。

    一种安全充电箱
    3.
    实用新型

    公开(公告)号:CN207069617U

    公开(公告)日:2018-03-02

    申请号:CN201720645593.6

    申请日:2017-06-06

    Abstract: 本实用新型涉及一种安全充电箱,它包括充电箱箱体、总开关、漏电保护开关、定时器、剩余电量显示器、控制装置、插孔、电源接头、灭火器以及热继电器。灭火器前端设有喷嘴,喷嘴与灭火器之间设有电磁阀,电磁阀与控制装置电性连接。当充电箱内部温度到达一定程度时,控制装置控制电磁阀开启,灭火器进行灭火作业。热继电器常开触头与漏电保护开关的实验按钮并联,当安全充电箱内部温度过高时,热继电器常开触头闭合,相当于按下漏电保护开关的实验按钮,促使漏电保护开关执行机构动作,切断主电源。本专利可以自动控制充电时间,避免过充影响电池使用寿命。具有灭火器等安全防护装置,在无人看守的情况下可以减少充电的安全隐患。

    一种基于梯度提升决策树的短期负荷预测方法

    公开(公告)号:CN108539738A

    公开(公告)日:2018-09-14

    申请号:CN201810443513.8

    申请日:2018-05-10

    Abstract: 本发明实施例公开了一种基于梯度提升决策树的短期负荷预测方法,包括获取待预测日前N天的历史负荷数据,形成原始数据集A0;从原始数据集A0中筛选出构建训练样本的数据集B;利用数据集B构造GBDT预测模型所需的全部样本集(X,Y);由全部样本集(X,Y)训练构造全天GBDT预测模型,根据全天GBDT预测模型预测待预测日的全天负荷向量;将全部样本集(X,Y)按小时分割为24个样本子集,并分别训练构造小时GBDT预测模型,并根据小时GBDT预测模型预测待预测日的24小时负荷向量;结合全天负荷向量和24小时负荷向量,预测待预测日的最终负荷向量。本发明充分挖掘历史负荷数据中的特征并构造不同的梯度提升决策树模型来提高短期负荷预测的精度。

    一种供配电系统在低氧环境下作业的监测保护系统

    公开(公告)号:CN106382955A

    公开(公告)日:2017-02-08

    申请号:CN201610714823.X

    申请日:2016-08-25

    CPC classification number: G01D21/02

    Abstract: 本发明提供一种供配电系统在低氧环境下作业的监测保护系统包括:在作业现场供每位人员佩戴的头盔以及与每个头盔通信连接的云服务器;云服务器与每个头盔以SDH环网作为通讯媒介,云服务器采用IEEE 1588同步方法实现各头盔数据的同步采样;在低氧环境区域内设置均匀布置支持IEEE 1588通讯规约的交换机,实现各个头盔与云服务器之间的网络连接及各个头盔之间的网络连接;头盔设有盔壳和玻璃面罩;玻璃面罩与盔壳活动连接;将头盔的数据信息实时上传至云服务器,使云服务器实时掌握低氧环境下作业的信息。让监控人员作出及时准确的指挥作用。

    一种基于梯度提升决策树的短期负荷预测方法

    公开(公告)号:CN108539738B

    公开(公告)日:2020-04-21

    申请号:CN201810443513.8

    申请日:2018-05-10

    Abstract: 本发明实施例公开了一种基于梯度提升决策树的短期负荷预测方法,包括获取待预测日前N天的历史负荷数据,形成原始数据集A0;从原始数据集A0中筛选出构建训练样本的数据集B;利用数据集B构造GBDT预测模型所需的全部样本集(X,Y);由全部样本集(X,Y)训练构造全天GBDT预测模型,根据全天GBDT预测模型预测待预测日的全天负荷向量;将全部样本集(X,Y)按小时分割为24个样本子集,并分别训练构造小时GBDT预测模型,并根据小时GBDT预测模型预测待预测日的24小时负荷向量;结合全天负荷向量和24小时负荷向量,预测待预测日的最终负荷向量。本发明充分挖掘历史负荷数据中的特征并构造不同的梯度提升决策树模型来提高短期负荷预测的精度。

Patent Agency Ranking