-
公开(公告)号:CN111079110A
公开(公告)日:2020-04-28
申请号:CN201911184169.6
申请日:2019-11-27
Applicant: 国网辽宁省电力有限公司电力科学研究院 , 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司铁岭供电公司 , 国网辽宁省电力有限公司沈阳供电公司 , 国网辽宁省电力有限公司辽阳供电公司 , 国家电网有限公司
IPC: G06F21/32
Abstract: 本发明属于电力系统网络安全技术领域,具体为一种基于身份识别的电力系统网络安全防护方法、系统及装置。包括:终端访问电力系统网络安全防护系统,提交操作请求;对用户进行身份识别,识别成功后授权进行下一步,否则重新认证,多次认证失败后驳回操作请求;审查用户进行权限,确定用户权限范围,匹配权限范围和操作请求,匹配成功后授权进行下一步,否则要求用户提供匹配操作请求的用户权限,无法提供权限则驳回请求;对用户操作请求备案,录入电力系统网络安全防护系统;操作安全评估,对用户的操作备案安全评估,做出操作安全评估结果;根据操作安全评估结果,做出授权操作请求或驳回操作请求。本发明能够显著提高电力系统网络安全。
-
公开(公告)号:CN117895580A
公开(公告)日:2024-04-16
申请号:CN202410068252.1
申请日:2024-01-17
Applicant: 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司辽阳供电公司
Abstract: 本发明公开了一种多能源电力系统有功功率动态分配方法。该方法属于电力系统中多种电源间的功率动态分配控制领域。针对风、光、火多能源电力系统的功率动态分配优化问题,利用GRU神经网络进行多能源电力系统内风电机组、光伏电站的可用功率预测,并能够更有效地基于气象条件的变化趋势,合理利用系统内可再生能源。此外,本发明利用深度强化学习根据多能源电力系统的控制质量要求,以兼顾准确性及快速性优化功率动态分配时对不同运行特征机组的调度策略。同时,深度强化学习基于多能源电力系统实际采集的历史运行数据进行功率动态分配算法的优化,并利用深度确定性策略(Deep Deterministic Policy Gradient,DDPG)算法在模型的离线训练部分考虑了传统调度模式难以描述的多能源电力系统中存在的非线性及不确定问题,提高了风光火多能源电力系统功率分配实时计算效率。
-
公开(公告)号:CN116742640A
公开(公告)日:2023-09-12
申请号:CN202310521387.4
申请日:2023-05-09
Applicant: 国网辽宁省电力有限公司辽阳供电公司 , 国网辽宁省电力有限公司 , 国家电网有限公司
IPC: H02J3/14 , H02J3/46 , G06Q10/0631 , G06Q50/06 , G06N3/006
Abstract: 本发明属于电力系统负荷分配技术领域,特别涉及到一种火电机组负荷经济性分配方法,该方法包括:以火电机组负荷分配成本最小为目标函数建立负荷经济分配模型;以机组容量和机组出力限制作为机组相关参数建立内部约束条件;以价格型需求建立关于负荷平衡的外部约束条件;根据内部约束条件和外部约束条件,采用改进的黏菌优化算法求解目标函数,得出火电机组的负荷经济性分配方案。本发明突破传统的火电机组仅考虑机组运行成本,引入价格型需求响应考虑用户侧成本,可以更好的对机组负荷进行经济性的优化分配,有效提高电网运行的经济性与安全性。
-
公开(公告)号:CN116451552A
公开(公告)日:2023-07-18
申请号:CN202211262452.8
申请日:2022-10-14
Applicant: 国网辽宁省电力有限公司辽阳供电公司 , 国网辽宁省电力有限公司 , 国家电网有限公司 , 沈阳工业大学
Inventor: 王冠夫 , 唐俊刺 , 乔路丽 , 刘广利 , 刘盛琳 , 宋丽 , 周军 , 姜枫 , 冯占稳 , 蔡壮 , 崔嘉 , 李子涵 , 李昊禹 , 谢易澎 , 赵笑东 , 高涤非 , 张垒
IPC: G06F30/27 , G06Q10/04 , G06Q50/06 , G06N5/01 , G06N20/00 , G06F111/08 , G06F111/04
Abstract: 本发明属于多元联合概率预测领域,为一种面向工业用户的有功无功多元联合概率预测方法及系统,包括:将有功功率数据作为目标变量,电价数据、电压数据、日历效应变量数据以及有功功率数据作为第一预测因子,通过概率有功功率预测模型得到有功功率的单个预测分位数;将无功功率数据作为目标变量,电价数据、电压数据、日历效应变量数据以及有功功率数据作为第一预测因子,通过概率无功功率预测模型得到无功功率的单个预测分位数;将有功功率预测分位数与无功功率预测分位数作为第二预测因子,将有功功率数据和无功功率数据作为目标变量,采用多元分位数回归模型得到有功功率预测分位数和无功功率预测分位数。解决预测系统的准确性下降的问题。
-
公开(公告)号:CN115945419B
公开(公告)日:2023-05-12
申请号:CN202310233690.4
申请日:2023-03-13
Applicant: 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司辽阳供电公司
Abstract: 本发明属于清洁设备技术领域,尤其是一种变压器外表清理设备,针对现有清洁设备的清洁辊上的刷毛并不能实现旋转的调整过程问题,现提出以下方案,包括固定基座,所述固定基座的两端位置均设置有抱箍固定机构,所述固定基座的外部滑动设置有移动基座,所述移动基座的底部位置与固定基座的底部位置之间设置有移动机构,所述移动基座的顶部中间位置设置有旋转机构。本发明清洁辊的内部设置有转动驱动齿环,清理刷毛通过刷毛圆座转动固定在清洁辊的圆周,通过转动驱动齿环的转动可以使得刷毛圆座产生转动,使清理刷毛产生转动,使得扁体的刷毛变为水平方向的扁体,可以与清洁辊竖直移动的过程结合,对散热翅板上竖直方向上的油污灰尘进行刷洗。
-
公开(公告)号:CN115906402A
公开(公告)日:2023-04-04
申请号:CN202211261873.9
申请日:2022-10-14
Applicant: 国网辽宁省电力有限公司辽阳供电公司 , 国网辽宁省电力有限公司 , 国家电网有限公司 , 沈阳工业大学
IPC: G06F30/20 , G06F18/23213 , G06F18/2321 , G06F18/2415 , G06F113/04
Abstract: 本发明属于新能源组合技术领域,具体地而言为一种多电源的场景预测方法及系统,包括获取预测点的历史新能源数据集,预处理形成初始数据集;根据初始数据集获取最相关的特征数据;根据最相关的特征数据对多电源进行聚类,形成多电源运行态;根据多电源运行态和点预测模型生成预测场景,可产生未来的时间序列轨迹,生成预测场景。提高计算效率,减小预测误差,具有快速、准确和稳定的性能。
-
公开(公告)号:CN104168131A
公开(公告)日:2014-11-26
申请号:CN201410246752.6
申请日:2014-06-05
Applicant: 国家电网公司 , 国网辽宁省电力有限公司辽阳供电公司 , 国网辽宁省电力有限公司
IPC: H04L12/24 , H04L12/761 , H04L12/801
Abstract: 本发明涉及一种基于组播通信的电力调度交换网的流量生成方法,包括以下步骤:通过路由器捕获流量数据信号;对步骤1捕获到的流量数据信号进行零均值处理;使用小波变换对步骤2中处理得到的零均值数据信号进行小波分解,分别得到流量数据信号的高频部分和低频部分;对低频部分使用AR模型建模,得到低频重构信号;对高频部分采用BP神经网络建模,得到高频重构信号;根据步骤4得到的低频重构信号及步骤5得到的高频重构信号,得到重构的流量数据信号;对重构流量数据信号进行修正。本发明通过分析端到端流量的时频特性,可以更准确的获得不同时频下的隐藏特征。更重要的是,将一个复杂的问题分解成较简单容易的问题。
-
公开(公告)号:CN112327614A
公开(公告)日:2021-02-05
申请号:CN202011018736.3
申请日:2020-09-24
Applicant: 国网辽宁省电力有限公司辽阳供电公司 , 国网辽宁省电力有限公司 , 清华大学 , 国家电网有限公司 , 沈阳工程学院
IPC: G05B13/04
Abstract: 一种单模拟量指令多目标加权控制方法,属于电力控制技术领域,所述方法具体包括如下步骤:步骤一:主站下令单模拟量指令ΔP,厂站后台计算得出α,步骤二:计算主站对厂站的控制成功率β,步骤三:计算每个制热储热装置的实际能耗,步骤四:计算制热储热装置的拒动率,步骤五:将步骤一~四中的四个指标分别乘以相应的权重并加和,根据得到的最终判断标准,控制储热装置的投入方式。本发明通过主站下单模拟量指令给厂站,厂站根据后台计算结果得出最优值,进而控制储热装置的最优分配投入方式,提高储热装置利用效率。
-
公开(公告)号:CN118074092A
公开(公告)日:2024-05-24
申请号:CN202311519042.1
申请日:2023-11-14
Applicant: 国网辽宁省电力有限公司辽阳供电公司 , 国网辽宁省电力有限公司
Abstract: 本发明属于功率预测领域,尤其涉及一种基于参数优化VMD和组合LSTM‑GRU模型的光伏功率预测方法,对输入的光伏时间序列进行数据的归一化处理;由归一化后的光伏时间序列,利用VMD分解将波动性高的功率序列分解为一组相对平稳的模态分量;预设参数k和α,设定为初始化鲸鱼种群位置向量,利用WOA算法,以包络熵的极小值作为WOA算法的适应度函数,优化VMD参数[k,α],得到VMD分解的最佳输出模态;构建LSTM网络模型,并预测LSTM网络的第一预测功率数据;构建GRU网络模型,并预测GRU网络模型的第二预测功率数据;利用历史预测误差的倒数来得到权重,对第一预测功率数据和第二预测功率数据进行加权平均生成最终的功率预测结果。旨在利用信号分解算法和神经网络算法来实现对光伏功率的精准预测。
-
公开(公告)号:CN118014119A
公开(公告)日:2024-05-10
申请号:CN202311867723.7
申请日:2023-12-29
Applicant: 国网辽宁省电力有限公司 , 国网辽宁省电力有限公司辽阳供电公司
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/06 , G06F30/27 , G06N3/006 , G06N3/0442 , G06N3/086 , H02J3/00
Abstract: 一种基于时间序列预测与深度学习互补的短期负荷预测方法,涉及负荷预测技术领域技术领域。该方法首先利用ADF检验和KPSS检验对历史负荷数据序列进行平稳性检验,若不平稳则进行差分处理直至信号平稳。其次,通过在蜣螂优化算法中引入周期突变机制以提升算法的寻优能力,并利用改进后的蜣螂优化算法对差分整合移动平均自回归模型参数p和q进行定阶,实现ARIMA对负荷的预测。然后,使用LSTM将ARIMA预测的非线性的残差序列进行预测。最后,将得到的负荷预测结果进行校验,大幅度提升模型的预测准确率,得到更为精确的短期负荷预测结果。达到更高的精度。
-
-
-
-
-
-
-
-
-