一种工器具信息管控自动化系统

    公开(公告)号:CN107609660A

    公开(公告)日:2018-01-19

    申请号:CN201710954795.3

    申请日:2017-10-13

    Abstract: 本发明涉及生产领域的安全工器具管理领域,涉及一种工器具信息管控自动化系统。包括后台端系统、服务器以及控制终端;后台端系统与服务器连接,用于实现对工器具管理的领取登记;服务器用于将来自后台端系统和控制终端的实时信息数据进行分类、统计、计算;控制终端与服务器连接,用于从服务器中调取后台端系统相应的管理模块,实现信息的查看、修改、添加或删除,并将信息上传至服务器中。本发明基于微信JS-SDK技术,使通过微信开放接口的编程技术实现工作人员方便、快捷、可靠地掌握工器具信息,且可以及时、准确获取工器具当前状态、存放位置、使用情况等信息;有效提高电网安全工器具管理水平,减轻电网运行人员的日常维护工作量,提高工作效率。

    适用于电磁暂态仿真的电动机负荷暂态过程计算方法

    公开(公告)号:CN110501614A

    公开(公告)日:2019-11-26

    申请号:CN201910819354.1

    申请日:2019-08-31

    Abstract: 本发明涉及电网暂态仿真计算的技术领域,更具体地,涉及适用于电磁暂态仿真的电动机负荷暂态过程计算方法,快速计算电力系统对称和不对称故障电压跌落下感应电动机负荷暂态特性:(1)先求解转子的一阶机械暂态方程,得到扰动后转子的转速和滑差变化;(2)求解转子相量形式的暂态电势微分方程,得到暂态电势的变化;(3)获得扰动后电动机的电流和功率响应。本发明与PSCAD/EMTDC电磁暂态仿真结果的比较,验证了算法的有效性。与PSD/BPA机电暂态仿真结果的比较,体现了算法在不对称电压跌落下的计算优势。解析法显式给出了受扰后感应电动机各机械、电气参量的计算表达式,除可用于快速评估感应电动机与电压跌落的相互影响、还可应用于电力系统稳定性分析中。

    分布式内存并行计算优化深度信念网络的短期负荷预测方法

    公开(公告)号:CN109816144A

    公开(公告)日:2019-05-28

    申请号:CN201811550794.3

    申请日:2018-12-18

    Abstract: 本发明涉及一种分布式内存并行计算优化深度信念网络的短期负荷预测方法。包括以下步骤:1.RDD读取负荷历史数据;结合负荷的周期特性,读取负荷预测输入数据到Spark RDD集合;2.采用改进并行粒子群算法将其分为不同子群,并对惯性权重和加速因子进行改进计算;在分布式内存计算Spark平台上对深度信念网络模型的权值参数W和偏置值B进行优化,选择使得适应度值最小的粒子坐标向量值[W,B]作为改进粒子群算法的输出;3.利用步骤S2中优化得到的DBN参数[W,B],使用优化的DBN网络对负荷序列建立负荷预测模型,进行短期负荷预测。本发明方法有效地提高了短期负荷预测精度和海量数据处理能力,能够较好地解决电力系统负荷预测问题,具有很强鲁棒性和强泛化能力。

    分布式内存并行计算优化深度信念网络的短期负荷预测方法

    公开(公告)号:CN109816144B

    公开(公告)日:2020-12-29

    申请号:CN201811550794.3

    申请日:2018-12-18

    Abstract: 本发明涉及一种分布式内存并行计算优化深度信念网络的短期负荷预测方法。包括以下步骤:1.RDD读取负荷历史数据;结合负荷的周期特性,读取负荷预测输入数据到Spark RDD集合;2.采用改进并行粒子群算法将其分为不同子群,并对惯性权重和加速因子进行改进计算;在分布式内存计算Spark平台上对深度信念网络模型的权值参数W和偏置值B进行优化,选择使得适应度值最小的粒子坐标向量值[W,B]作为改进粒子群算法的输出;3.利用步骤S2中优化得到的DBN参数[W,B],使用优化的DBN网络对负荷序列建立负荷预测模型,进行短期负荷预测。本发明方法有效地提高了短期负荷预测精度和海量数据处理能力,能够较好地解决电力系统负荷预测问题,具有很强鲁棒性和强泛化能力。

Patent Agency Ranking