-
公开(公告)号：CN116502929A
公开(公告)日：2023-07-28
申请号：CN202211739075.2
申请日：2022-12-31
Applicant: 国网江苏省电力有限公司盐城供电分公司
IPC: G06Q10/0639 , G06Q10/067 , G06Q50/06
Abstract: 本发明提供了一种基于SWARA方法的用户低碳转型潜力评估模型，所述用户低碳转型潜力评估模型首先从多个角度构建用户低碳转型潜力评估指标体系；其次，采用逐步加权评估分析比率方法求取客观指标权重，进一步构建基于MARCOS方法的用户低碳转型潜力评估模型；最后，对不同电力用户的低碳转型的评估指标进行分析，计算各类用户的低碳转型潜力。本发明提供一种基于SWARA方法的用户低碳转型潜力评估模型，能够实现复杂环境下不同电力用户低碳转型潜力的有效评估。
-
Patent Agency Ranking
公开(公告)号：CN116188227A
公开(公告)日：2023-05-30
申请号：CN202211732312.2
申请日：2022-12-30
Applicant: 国网江苏省电力有限公司盐城供电分公司
Abstract: 本发明提供一种电动汽车充电碳减排量计算方法，通过电网供给构成碳强度分析方法、考虑清洁能源消纳的综合碳强度分析方法，以及燃油替代碳减排量计算方法，进行电动汽车充电碳减排量计算。电网供给构成碳强度分析方法，结合分时碳排因子，得到初步分时段碳强度；综合碳强度分析方法，计算低压配电网的电源供给构成，得到380V电网电力和清洁能源供给比例，得到总充电量综合碳强度；燃油替代碳减排量计算方法，根据总充电量核算行驶里程，基于里程等效得到燃油替代碳减排量。该方法考虑电网峰谷优化、新能源能效消纳、燃油车替代三个维度，合理化碳减排量计算，支撑需求侧响应、清洁能源建设和电动汽车推广三大业务。
-
公开(公告)号：CN116485240A
公开(公告)日：2023-07-25
申请号：CN202310367595.3
申请日：2023-04-07
Applicant: 国网江苏省电力有限公司 , 国网江苏省电力有限公司盐城供电分公司
IPC: G06Q10/0639 , G06F17/16 , G06Q50/06
Abstract: 本发明公开了基于BWM和改进熵‑TOPSIS法的低碳转型服务商业模式评估方法。该方法首先建立专家评审小组，由专家分析低碳转型服务商业模式，构建基于低碳转型服务商业模式的多个评价指标。其次，采用BWM方法对指标进行主观赋权并通过一致性检验。根据专家判断，数据处理，得到标准决策矩阵，计算各指标的信息熵权重，基于最小熵原理，组合主客观权重，得到综合权重。采用改进熵‑TOPSIS法，将各评价指标对商业模式评估取值范围中的最值作为正、负理想解，计算商业模式对正、负理想解的贴近度，构建基于BWM和改进熵‑TOPSIS法的碳服务商业模式评估模型。最后，对低碳转型服务商业模式评估结果进行分析，电网公司从而获得商业模式对于不同行业不同电力客户的适用性。
-
公开(公告)号：CN116069768A
公开(公告)日：2023-05-05
申请号：CN202211732342.3
申请日：2022-12-30
Applicant: 国网江苏省电力有限公司盐城供电分公司
IPC: G06F16/215 , G06Q50/26 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了基于大数据挖掘技术的高耗能企业实时碳排放估计方法。对于生产过程中的直接排放，将采集的高耗能企业的负荷数据，输入多任务学习GRU神经网络，网络底层共享参数，将已有的各负荷状态类别及对应功率作为模型训练监督量，进行设备状态监测与功率分解，根据设备不同状态下的碳排放强度，计算得到直接碳排放。对于间接碳排放，根据采集的高耗能企业的负荷数据，计算每个估计时间间隔的用电量；通过求解直流最优潮流得到电源侧碳排放量，根据单位增量法获得企业所接入电网节点的边际碳排放因子；通过高耗能企业的负荷数据和边际碳排放因子计算得到间接碳排放。将直接排放与间接排放所得结果相加，实现实时、准确的碳排放量估算。
-
公开(公告)号：CN115965049A
公开(公告)日：2023-04-14
申请号：CN202211732232.7
申请日：2022-12-30
Applicant: 国网江苏省电力有限公司盐城供电分公司
IPC: G06N3/0442 , G06N3/09 , G06N20/20 , G06F21/62 , G06Q10/04
Abstract: 本发明公开考虑用户隐私的基于AdaptiveLasso‑LSTM的楼宇群能耗短期预测方法。该方法包括：考虑影响园区楼宇群能耗的多维变量，包括每栋楼宇的节假日、季节效应、气候、历史能耗数据等因素；对每栋楼宇数据进行预处理，并采用自适应最小绝对值收敛和选择算子AdaptiveLasso方法进行变量筛选，筛选出对能耗影响较大的m个因子，降低模型的复杂度；构建基于长短期记忆LSTM网络的短期能耗预测模型，上传至服务器端，作为服务器端初始参数，下发至每栋楼宇进行本地LSTM能耗预测；通过RMSProp对模型参数进行迭代修正，上传每栋楼宇模型参数权重，并在服务器进行聚合，下发新的模型参数，重复上述过程直到训练结束，最终实现各楼宇在保证其数据隐私的情况下的短期能耗预测。
-
公开(公告)号：CN116522071A
公开(公告)日：2023-08-01
申请号：CN202310297283.X
申请日：2023-03-24
Applicant: 国网江苏省电力有限公司 , 国网江苏省电力有限公司盐城供电分公司
IPC: G06F18/10 , G06F18/23213 , G06N3/0442 , G06N3/09 , G06Q50/06
Abstract: 本发明提供了一种基于改进C‑MTL‑GRU的低频采样非侵入式工业负荷分解方法，该方法首先获得工厂单条总线各生产设备的短期有功功率样本数据序列，在数据清洗之后，对各设备有功功率序列进行差分，获得差分序列；对所获得的有功功率差分序列通过快速傅里叶分解获得振幅序列，接着，对所得各设备多段振幅序列进行两阶段模糊C聚类，识别出各设备拥有的负荷状态类别及对应功率，构建设备状态特征库；最后，将工厂的总体有功功率输入多任务学习GRU神经网络，网络底层共享参数，将各负荷状态类别及对应功率作为模型训练监督量，进行设备状态监测与功率分解，本发明提升了低频采样非侵入式工业负荷分解的精度，从而为高效感知用电设备，节能方案制定提供支撑。
-
-
-
-
-
Search Results
6
records
(took 0.043 seconds)
