-
公开(公告)号：CN119599384A
公开(公告)日：2025-03-11
申请号：CN202411715169.5
申请日：2024-11-27
Applicant: 国网山东省电力公司电力科学研究院 , 天津相和电气科技有限公司
Inventor： 刘洋 , 刘文彬 , 李立生 , 邵志敏 , 王峰 , 黄敏 , 田发扬 , 蔡声霞 , 于海东 , 文祥宇 , 刘明林 , 房牧 , 左新斌 , 苏国强 , 张林利 , 刘合金 , 由新红 , 张鹏平 , 和家慧
IPC: G06Q10/0631 , G06Q50/06 , G06N3/092 , G06F17/10 , G06N5/048
Abstract: 本发明涉及配用电技术领域，提供了一种社区级电动汽车‑户用储能协同调度方法及系统。该方法包括，将实时电价、电池SOC和外界温度划分为若干模糊子集，基于TSK模糊数学模型，确定每个模糊子集的隶属度函数；引入价格敏感度参数、电池状态参数和温度敏感度参数，制定每个模糊子集在三个维度上的模糊规则，通过对所有隶属度函数的模糊推理，量化评估电动汽车响应意愿；采用SAC算法，依据所处的社区环境，分别设计状态空间和动作空间，结合电网效益奖励、用户舒适度奖励和电动汽车需求响应奖励构建的总体奖励函数；将量化评估结果输入SAC算法，得到储能资源的最优调度策略。本发明实现电动汽车集群与户用储能装置的协同调度优化。
-
公开(公告)号：CN109767064B
公开(公告)日：2022-08-12
申请号：CN201811523563.3
申请日：2018-12-12
Applicant: 国网江苏省电力有限公司电力科学研究院 , 国家电网有限公司 , 天津大学 , 天津相和电气科技有限公司 , 国网江苏省电力有限公司 , 江苏省电力试验研究院有限公司
Abstract: 本发明公开了一种配电网电动汽车接纳能力定量评估的概率方法，该方法是通过中值拉丁超立方采样，建立配电网节点负荷半不变量、电动汽车充电需求半不变量，利用概率潮流方法来分析配电网在给定的置信水平下的接纳能力。具有计算效率高、仿真精度高、实用性强的优点，适用于大规模电动汽车接入情况下的配电网接纳能力分析。
-
公开(公告)号：CN109767064A
公开(公告)日：2019-05-17
申请号：CN201811523563.3
申请日：2018-12-12
Applicant: 国网江苏省电力有限公司电力科学研究院 , 国家电网有限公司 , 天津大学 , 天津相和电气科技有限公司 , 国网江苏省电力有限公司 , 江苏省电力试验研究院有限公司
Abstract: 本发明公开了一种配电网电动汽车接纳能力定量评估的概率方法，该方法是通过中值拉丁超立方采样，建立配电网节点负荷半不变量、电动汽车充电需求半不变量，利用概率潮流方法来分析配电网在给定的置信水平下的接纳能力。具有计算效率高、仿真精度高、实用性强的优点，适用于大规模电动汽车接入情况下的配电网接纳能力分析。
-
公开(公告)号：CN110443302B
公开(公告)日：2023-06-09
申请号：CN201910710484.1
申请日：2019-08-02
Applicant: 天津相和电气科技有限公司
IPC: G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及基于特征融合与深度学习的负荷辨识方法，所述负荷辨识方法包括如下步骤：采集设备的高频电压电流波形数据，由电压电流波形提取设备的V‑I轨迹特征与功率特征；构建卷积神经网络及BP神经网络，并对其训练；将V‑I轨迹特征与功率特征分别输入到经过训练后的卷积神经网络与BP神经网络，得到复合特征；构建分类神经网络，并对其训练；将设备的复合特征输入到经过训练后的分类神经网络，分类神经网络的输出即为设备类别预测值；本发明针对单一设备特征进行负荷辨识存在的局限性，提高负荷辨识准确率，能够解决数据分布维度高、建模复杂问题的基于特征融合与深度学习的负荷辨识方法，并将该方法应用到家用电器负荷辨识方面。
-
公开(公告)号：CN108428063A
公开(公告)日：2018-08-21
申请号：CN201810290073.7
申请日：2018-04-03
Applicant: 天津相和电气科技有限公司
Abstract: 一种一流配电网建设水平的综合评价指标体系构建方法。其包括确定网架、设备、运维和客服四个一级指标；在四个一级指标下分别建立其二级指标；在二级指标构建其三级指标；由一至三级指标构成一流配电网评价指标体系，进行一流配电网评估指标体系中各个指标的综合区间权重求解，定量表征各个指标的重要程度,对所构建的评估指标体系进行量化分析等步骤。本发明提供的构建一流配电网建设水平的综合评价指标体系的有益效果:能够指导我国城市一流配电网建设，为建设成“网架灵活可靠、设备标准智能、运维精益高效、客服优质互动”的国际一流配电网起到重要的导向作用。
-
Patent Agency Ranking
公开(公告)号：CN109546683B
公开(公告)日：2022-06-14
申请号：CN201811523562.9
申请日：2018-12-12
Applicant: 国网江苏省电力有限公司电力科学研究院 , 国家电网有限公司 , 天津大学 , 天津相和电气科技有限公司 , 国网江苏省电力有限公司 , 江苏省电力试验研究院有限公司
Abstract: 本发明公开了一种配电网节点分布式光伏接纳能力裕度优化方法，根据初始数据计算配电网各节点的分布式光伏极限接纳能力；利用上层优化模型，进行接入节点光伏功率优化，并将接纳裕度平衡系数传输给下层模型；利用下层优化模型，将节点用户的上网功率传输给上层模型；在上下两层模型相互迭代结束后，得到最终的预接入分布式光伏节点最优接纳能力；计算配电网分布式光伏节点接纳裕度评估指标。本发明运行人员可根据节点接纳裕度情况，详细了解配电网各节点目前还有多少空间能够继续接纳分布式光伏，节点分布式光伏用户能够主动的进行入网功率的优化，减轻配电网的压力，同时增加收益。
-
公开(公告)号：CN111401603A
公开(公告)日：2020-07-10
申请号：CN202010073694.7
申请日：2020-01-22
Applicant: 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司 , 天津相和电气科技有限公司
Abstract: 本发明涉及一种多类型能源需求预测方法，包括：收集历史数据样本、CNN训练、构建新模型、获取数据特征，构建新多能源样本数据集和DBN训练等步骤。本发明提供的多类型能源需求预测方法，基于CNN和DBN，充分挖掘了各类型能源的特性和其与外界影响因素的关联信息，通过无监督和有监督的混合训练，构建了区域综合能源系统多类型能源需求预测模型，得到了较高精度的预测结果。算例结果证明，本发明所提出的预测模型能更好地提取输入数据集中各因素的特征，与真实能源需求曲线有更好的拟合度，且取得了更高的预测精度。
-
公开(公告)号：CN113221825B
公开(公告)日：2022-03-18
申请号：CN202110600067.9
申请日：2021-05-31
Applicant: 国网浙江省电力有限公司杭州供电公司 , 天津相和电气科技有限公司
IPC: G06V40/16 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G06K9/62 , G06N5/00 , G06N3/04
Abstract: 一种基于机器学习的电力安全管控人脸识别方法。其包括获取参与电力安全管控人员信息；构成人脸数据库，进行实时人脸图像采集；获得人脸灰度图像并输入CNN中，提取出有效人脸特征；进行CNN‑SVC模型和CNN‑RF模型训练；得到待识别作业现场人员在各类别中概率；得到CNN‑SVC‑RF融合模型，获得人脸识别结果；实现电力安全管控功能等步骤。本发明效果：充分发挥CNN强大的特征提取优势来充分学习不同人脸的特征，并将其分别与SVC和RF结合，并利用模型融合技术，可进一步提高人脸识别的准确率。结合摄像头对现场人员进行人脸采集，便可基于所搭建模型进行人脸识别，从而实现电力作业现场的科学智能安全监管。
-
公开(公告)号：CN109063911B
公开(公告)日：2021-07-23
申请号：CN201810876297.6
申请日：2018-08-03
Applicant: 天津相和电气科技有限公司
Abstract: 本发明涉及一种基于门控循环单元网络的负荷聚合体分组预测方法，包括如下步骤：使用自适应分布式谱聚类算法，对用户负荷数据进行聚类，从而得到多个负荷特性相似的用电群体，并求得各群体负荷特征矩阵；搭建三种GRU网络，并通过提取群体的时序特征对三种GRU网络进行训练，得到三种GRU网络的预测模型，通过随机森林算法对三种GRU网络进行模型融合，得到每个群体的负荷预测模型；将待预测时刻特征输入到负荷预测模型中，分别得到每个群体的负荷预测值，将不同群体预测值求和得到最终负荷聚合体的预测值；本发明通过引入分组预测、深度神经网络、模型融合方法，使得能把握用户负荷特性及变化规律，预测精度高，适用性强。
-
公开(公告)号：CN111091247A
公开(公告)日：2020-05-01
申请号：CN201911346947.7
申请日：2019-12-24
Applicant: 天津相和电气科技有限公司 , 国网天津市电力公司 , 天津大学
Abstract: 本发明涉及基于神经网络模型融合的日前电力负荷预测方法，包括如下步骤：获取需要预测的电力负荷日期之前电表的负荷数据，通过AP聚类算法对其进行聚类分组；分别构建CNN神经网络、LSTM神经网络及CNN-LSTM相结合的神经网络，并对其进行训练；将三个深度神经网络的输出层丢弃，将输出层前一层的隐藏层的输出作为高级特征，并将隐藏层输出组合成融合之后的高级特征；冻结训练好的三个网络的网络权重，并添加多通道卷积层作为模型融合层，对融合层参数进行训练；将需要预测日期的前N天的负荷数据分别输入到融合模型，得到最终的日前电力负荷数据；本发明使用融合后的网络模型进行日前负荷预测，提高日前负荷预测的精度。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.05 seconds)
