-
公开(公告)号：CN116032006A
公开(公告)日：2023-04-28
申请号：CN202211648530.8
申请日：2022-12-21
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本申请涉及一种智能网关和监控系统。所述智能网关包括：监测接口；所述监测接口包括设备状态监测接口、环境监控接口、边设备接口和低压分支监测接口中的至少一种；所述监测接口，用于连接对待测设备进行监测的终端设备；所述智能网关，用于通过所述监测接口获取所述终端采集的监测数据，并根据所述监测数据，对所述待测设备进行监测。采用本智能网关能够通过为智能网关设置多种类型的接口，用于连接对待测设备的不同类型数据进行采集的不同终端设备，使得智能网关获取的数据更为全面，便于对待测设备进行全面监测，进而可实现对待测设备所在低压配电台区的全面监测，提高为用户供电的可靠性与安全性。
-
公开(公告)号：CN114994405A
公开(公告)日：2022-09-02
申请号：CN202210733591.8
申请日：2022-06-27
Applicant: 广东电网有限责任公司广州供电局
IPC: G01R23/02
Abstract: 本发明公开了一种基于数学形态学的电力信号频率测量方法，包括：1)根据数学形态学运算准则，采用软结构元素，构建数学形态学滤波器对信号进行滤波降噪；2)利用数学形态学的高帽变换和低帽变换对滤波后的信号进行处理，并提取处理结果的零点；3)在每一个周期中，搜索经高帽变换结果的最左侧零点和低帽变换的最右侧零点，求取两者平均值，作为该周期的频率计算参考点；4)根据相邻周期的频率计算参考点之间的时间差继而获取信号的频率测量值。本发明方法可以用于稳态情况和非稳态情况下的频率测量，且具有计算量小、适于并行计算的特点。
-
公开(公告)号：CN116467461A
公开(公告)日：2023-07-21
申请号：CN202310256432.8
申请日：2023-03-16
Applicant: 广东电网有限责任公司广州供电局
IPC: G06F16/36 , G06F16/215 , G06F40/289
Abstract: 本发明公开了一种应用于配电网的数据处理方法、装置、设备及介质，其中，该方法包括：接入目标数据源，并根据预设提取规则从目标数据源中提取待处理数据；根据预设数据处理方法对待处理数据进行处理，得到待应用数据；基于预设提取模型对待应用数据进行处理，确定目标数据；基于目标数据构建电力知识图谱，并将电力知识图谱存储到目标数据库中。基于上述技术方案，实现了根据配电网的数据信息确定需要的目标数据，并基于目标数据构建电力知识图谱，进而达到了提高电力知识图谱的正确性和构建效率的技术效果。
-
公开(公告)号：CN116244619A
公开(公告)日：2023-06-09
申请号：CN202310305343.8
申请日：2023-03-24
Applicant: 广东电网有限责任公司广州供电局
IPC: G06F18/23213 , G06F17/16
Abstract: 本发明公开了一种数据处理方法、装置、电子设备及存储介质。该方法包括：获取与目标终端相对应的待处理用电数据；确定与聚类中心数相同数量的初始化聚类中心的聚类用电数据；确定各负荷曲线数据与每一个聚类用电数据的动态时间规整距离，根据动态时间规整距离，确定各负荷曲线数据的初始化聚类中心；根据各初始化聚类中心所关联的负荷曲线数据，更新初始化聚类中心，得到目标聚类中心和所关联的负荷曲线数据，以基于各目标聚类中心所关联的负荷曲线数据确定用电属性。解决了现有技术中基于欧氏距离对用电数据处理分析，导致处理成本高，分析效果差的问题，实现提高数据处理的效率和准确性，达到提高用电属性分析准确性的效果。
-
公开(公告)号：CN116228039A
公开(公告)日：2023-06-06
申请号：CN202310299220.8
申请日：2023-03-24
Applicant: 广东电网有限责任公司广州供电局
IPC: G06Q10/0639 , G06Q50/06 , G06F18/23
Abstract: 本发明实施例公开了一种配电站的规划方法、装置、电子设备及存储介质。该方法包括：将待规划区域划分为至少一个负荷分区；在各负荷分区中设置初始聚类中心，并基于待规划区域内各负荷点与各初始聚类中心之间的引力值和负荷距离，更新各初始聚类中心，得到目标聚类中心；基于目标规划容量、预设配电站类型以及容量值，确定待建设配电站组合信息；基于组合信息以及待规划区域的地理信息，确定初始站址，并基于各初始站址与各目标聚类中心之间的引力值和负荷距离，更新各初始站址，得到各待建设配电站的目标站址；基于待建设配电站组合信息以及各待建设配电站的目标站址，对待规划区域进行配电站的规划。提高配电站规划的准确性和合理性。
-
Patent Agency Ranking
公开(公告)号：CN116111562A
公开(公告)日：2023-05-12
申请号：CN202310305299.0
申请日：2023-03-24
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本发明公开了一种配电网可靠性确定方法、装置、设备及存储介质。该方法包括：获取配电网数据，并基于配电网数据，确定各条目标母线的输入功率与需求功率之间的母线功率差值；基于母线功率差值和目标母线对应的故障概率分布，确定目标母线对应的母线故障状态；针对每条目标母线，基于目标母线对应的母线故障状态确定目标母线的母线状态参数，并基于原始母线故障概率、母线功率差值和母线状态参数确定目标母线故障参数；根据配电网包含的目标母线总数、母线状态参数、原始母线故障概率和目标母线故障参数，确定配电网可靠性。本发明技术方案基于母线级配电网系统进行可靠性评估，可以降低可靠性计算时长，并提高确定可靠性的精确度。
-
公开(公告)号：CN114977155A
公开(公告)日：2022-08-30
申请号：CN202210334298.4
申请日：2022-03-31
Applicant: 广东电网有限责任公司广州供电局 , 天津大学 , 南方电网数字电网研究院有限公司
Abstract: 一种基于运行灵活性价格引导的配电系统运行灵活性提升方法：根据选定的有源配电网，输入有源配电网的参数信息和日前对有源配电网潮流计算得到的配电网日内运行状态；根据提供的内容建立基于运行灵活性价格引导的配电网运行灵活性提升模型；根据基于运行灵活性价格引导的配电网运行灵活性提升模型，建立用于求解节点边际电价的拉格朗日对偶函数，计算各时段不同节点的节点净有功功率与节点净无功功率对应的运行灵活性价格并下发至电力用户，电力用户根据灵活性价格进行灵活性资源调度，输出运行结果。本发明考虑源网荷侧多种灵活性资源，所得灵活性价格信号可覆盖系统全体用户，进而制定灵活性优化策略引导多种灵活性资源运行，有效提高配电系统灵活性。
-
公开(公告)号：CN111525397A
公开(公告)日：2020-08-11
申请号：CN202010366914.5
申请日：2020-04-30
Applicant: 广东电网有限责任公司广州供电局
Abstract: 本申请涉及一种开关柜，包括：开关柜体、绝缘组件、超声波局放传感设备、暂态地电压局放传感设备、控制设备和显示设备。本申请实施例开关柜通过将超声波局放传感设备和暂态地电压局放传感设备设置于容纳空腔内部靠近绝缘组件的位置，以形成内窥式型的开关柜。超声波局放传感设备和暂态地电压局放传感设备位于容纳空腔内部，可以直接采集绝缘组件处的超声信号和暂态地电压，最大程度上减小信号的衰减，从而使得最后确定的开关柜的局部放电信号更加接近真实值。本申请实施例提供的开关柜解决了现有技术中存在的目前开关柜局部放电检测结果的准确性差的技术问题，达到了大幅度提高开关柜局部放电检测结果的准确性的技术效果。
-
公开(公告)号：CN114692956B
公开(公告)日：2024-11-01
申请号：CN202210241319.8
申请日：2022-03-11
Applicant: 广东电网有限责任公司广州供电局
IPC: G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/0455 , G06N3/08 , H02J3/00
Abstract: 本发明公开了基于多层优化核极限学习机的充电设施负荷预测方法及系统，包括：构建电动汽车充电负荷影响因素集合，并基于历史数据形成样本数据；对样本数据中电动汽车充电站故障、充电站检修所带来的异常历史数据进行清洗，获取充电站正常运行期间的历史数据集；归一化获取到的充电站正常运行期间的历史数据集；对归一化后的充电站正常运行期间的历史数据集进行特征提取，得到特征数据；构建多层优化核极限学习机负荷预测模型；通过提取到的特征数据对多层优化核极限学习机负荷预测模型进行训练；通过训练完成的多层优化核极限学习机负荷预测模型进行充电设施负荷预测。本发明具有实时性较好、准确度较高等优点。
-
公开(公告)号：CN118279084A
公开(公告)日：2024-07-02
申请号：CN202410595770.9
申请日：2024-05-14
Applicant: 广东电网有限责任公司广州供电局
IPC: G06Q50/06 , G06Q10/04 , G06F18/23213 , G06N3/0442 , G06F18/10
Abstract: 本发明公开了一种光伏日内出力预测方法和装置，针对光伏出力波动性和间歇性的特点，采用K‑medoids聚类算法对不同天气条件下的历史出力数据进行聚类，相比常用的K‑means聚类对于噪音数据更具包容性、且运算速度更快、收敛次数固定，有效地避免了因部分异常点存在而导致的聚类偏差，降低了预测模型的复杂性以及过拟合风险，提高了预测效率；同时，结合分位数回归理论以及深度学习理论采用了双向长短期记忆网络，克服了单向LSTM网络挖掘数据信息不充分的缺陷，为进一步挖掘光伏功率时序的内在关联创造了有利条件，优化了神经网络模型的训练效果，提高了模型的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.053 seconds)
