-
公开(公告)号:CN111293690B
公开(公告)日:2021-05-04
申请号:CN202010191603.X
申请日:2020-03-18
Applicant: 石家庄科林云能信息科技有限公司 , 石家庄科林电气股份有限公司 , 华北电力大学(保定)
IPC: H02J3/00 , G06F30/18 , G06F113/04
Abstract: 一种基于矩阵的配电线路实时拓扑分析方法,属于电气网络技术领域,涉及配电线路的实时拓扑分析,尤其是使用矩阵进行拓扑分析的方法。该方法将配电线路中的元素分为线路、开关、电源3类,建立各线路与电源连接的数组A0,生成线路连接关系矩阵R和线路开关矩阵T,通过采集开关状态获得线路开关矩阵T的实时状态矩阵C,通过多次计算A1=A0*C获得当前线路的带电状态。本发明披露的方法,将开关的状态和线路的连接关系整合到一个数组中,对网络结构描述要求简单,容易实现。
-
公开(公告)号:CN111293690A
公开(公告)日:2020-06-16
申请号:CN202010191603.X
申请日:2020-03-18
Applicant: 石家庄科林云能信息科技有限公司 , 石家庄科林电气股份有限公司 , 华北电力大学(保定)
IPC: H02J3/00 , G06F30/18 , G06F113/04
Abstract: 一种基于矩阵的配电线路实时拓扑分析方法,属于电气网络技术领域,涉及配电线路的实时拓扑分析,尤其是使用矩阵进行拓扑分析的方法。该方法将配电线路中的元素分为线路、开关、电源3类,建立各线路与电源连接的数组A0,生成线路连接关系矩阵R和线路开关矩阵T,通过采集开关状态获得线路开关矩阵T的实时状态矩阵C,通过多次计算A1=A0*C获得当前线路的带电状态。本发明披露的方法,将开关的状态和线路的连接关系整合到一个数组中,对网络结构描述要求简单,容易实现。
-
公开(公告)号:CN114251813A
公开(公告)日:2022-03-29
申请号:CN202111568070.3
申请日:2021-12-21
Applicant: 石家庄科林电气股份有限公司 , 石家庄科林云能信息科技有限公司
IPC: F24F11/64 , F24F11/46 , F24F11/85 , F24F110/12
Abstract: 本发明公开了一种地源热泵空调系统的控制方法,属于空调系统技术领域,包括:实时或者每隔一定时间采集室外温度;当室外温度为20‑40℃时,根据y=‑0.94022·X+38.668控制地源热泵出水温度,当室外温度为‑20‑15℃时,根据y=‑0.54555·X+42.815控制地源热泵出水温度,其中,X为室外温度值,y为地源热泵机组的出水温度。本发明通过对室外温度和室内工况以及水泵等因素的考虑,在保证用户舒适度的前提下,在用户舒适度与节能之间进行调节,提升了用户舒适度与节能效果。
-
公开(公告)号:CN113298308A
公开(公告)日:2021-08-24
申请号:CN202110597424.0
申请日:2021-05-31
Applicant: 石家庄科林电气股份有限公司 , 石家庄科林云能信息科技有限公司
Abstract: 本发明提出了一种参数自适应的用电量预测方法和系统,涉及用电量测量技术领域,包括:采集原始时间序列D,选取最近一年的数据作为验证集,其它数据作为训练集;利用X12分解算法对原始时间序列D进行分解,获取趋势分量DTC、季节周期分量DSF与随机分量DIR;利用ARIMA算法对趋势分量进行预测;利用自适应加权求和算法对季节周期分量进行预测;利用平均法对随机分量进行预测;利用X12算法将三种预测分量进行合成,预测用电量。使用本方法,数据源简单,且预测方法中,分解模型自适应,参数选择自适应,与传统模型相比,预测精度上有较大的提升,且使用方便,易于推广。
-
公开(公告)号:CN116663863A
公开(公告)日:2023-08-29
申请号:CN202310934806.7
申请日:2023-07-28
Applicant: 石家庄科林电气股份有限公司 , 石家庄科林云能信息科技有限公司
IPC: G06Q10/0631 , G06Q50/06 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于排产计划的虚拟电厂负荷预测方法,涉及电力电网技术领域。本发明在确定训练样本后,基于训练样本的输入点数,以及预设的网络调度函数确定LSTM网络模块的训练数量,并对LSTM网络模块串并联排布,增加了神经网络模型中LSTM网络模块的数量,避免了LSTM网络模块的数据堆积,减小每个LSTM网络模块的网络训练强度,使神经网络模型可以学习到排产数据的多样特征,避免数据重叠遗漏,提高DTLSTM网络模型的预测准确率,从而提高负荷功率预测的准确率。
-
公开(公告)号:CN115828633A
公开(公告)日:2023-03-21
申请号:CN202211703481.3
申请日:2022-12-29
Applicant: 石家庄科林电气股份有限公司 , 石家庄科林云能信息科技有限公司
IPC: G06F30/20 , G06F16/958 , G06T17/00
Abstract: 一种基于Unity3D的配电场景建模方法,属于数字模型领域,包括以下步骤:步骤1、将配电场景抽象为层级,在桌面版Unity环境下定义所述层级,创建所需层级的模型,设定功能以及交互界面,生成建模工具;步骤2、将建模工具导出网页版作为成品,将成品部署到服务器;步骤3、用浏览器打开所述成品,在浏览器上进行配电场景建模。采用本发明提出的方案,非专业人员可快速上手,独立完成三维模型的建立;建模不用常规软件建模,而是针对配电应用场景进行抽象,基础模型从建模到数据都在Unity里完成;模型和数据无缝结合,部署方便;模型在网页上呈现,可以更直观更及时更方便地了解现实场景的情况。
-
公开(公告)号:CN116168150A
公开(公告)日:2023-05-26
申请号:CN202211703474.3
申请日:2022-12-29
Applicant: 石家庄科林电气股份有限公司 , 石家庄科林云能信息科技有限公司
IPC: G06T17/00
Abstract: 基于unityAssetbundle的三维模型自动提取方法,属于数字资产管理领域,包括:步骤1、获取AssetBundle资源包;步骤2、将AssetBundle资源包下载并将三维模型、材质实例化到场景中;步骤3、读取实例化模型的模型数据组件进行导出;步骤4、将GPU中生成相关贴图纹理数据返回内存中,再通过内存中的纹理数据以图片编码格式写入硬盘相应的路径中,完成材质纹理图片的提取。采用本发明提出的技术方案,只需提供AssetBundle资源包名称,就可以从中提取模型和纹理图片,不用繁琐的人工操作,降低技术门槛;尤其是有批量AssetBundle资源包需要提取其中的模型和纹理图片时,效率显著。
-
公开(公告)号:CN112416299B
公开(公告)日:2022-06-10
申请号:CN202011076113.1
申请日:2020-10-10
Applicant: 石家庄科林电气股份有限公司 , 石家庄科林云能信息科技有限公司
Abstract: 一种利用零漂数据获取随机数的方法,涉及信息安全技术领域,尤其涉及设备静止状态下利用硬件电路,特别是使用陀螺仪的零漂数据获取随机数的方法,由上位机连接陀螺仪,获取陀螺仪的零漂数据生成随机数。陀螺仪有标准的数据输出接口,可以很方便地读出,不用专门实际硬件电路。零漂是陀螺仪的固有特性,随时都有输出,可以根据要求产生海量随机数,不受时间限制。零漂数据涉及的因素非常复杂,不可预测和再现,保证了“真”随机数的获得。
-
公开(公告)号:CN116663863B
公开(公告)日:2023-10-20
申请号:CN202310934806.7
申请日:2023-07-28
Applicant: 石家庄科林电气股份有限公司 , 石家庄科林云能信息科技有限公司
IPC: G06Q10/0631 , G06Q50/06 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于排产计划的虚拟电厂负荷预测方法,涉及电力电网技术领域。本发明在确定训练样本后,基于训练样本的输入点数,以及预设的网络调度函数确定LSTM网络模块的训练数量,并对LSTM网络模块串并联排布,增加了神经网络模型中LSTM网络模块的数量,避免了LSTM网络模块的数据堆积,减小每个LSTM网络模块的网络训练强度,使神经网络模型可以学习到排产数据的多样特征,避免数据重叠遗漏,提高DTLSTM网络模型的预测准确率,从而提高负荷功率预测的准确率。
-
公开(公告)号:CN114912720A
公开(公告)日:2022-08-16
申请号:CN202210828776.7
申请日:2022-07-15
Applicant: 石家庄科林电气股份有限公司 , 石家庄科林云能信息科技有限公司
Abstract: 本发明提供了基于记忆网络电力负荷预测方法、装置、终端及存储介质,该方法包括:获取影响目标区域用电负荷的多个影响因素;根据目标区域的历史数据获取多个样本,每个样本的输入参数为一个自然日中多个影响因素的值,输出参数为该自然日的用电负荷的值;根据多个样本的输入参数对多个样本进行聚类,得到多个子集;依次通过每个子集对LSTM网络进行训练,得到每个子集对应的预测模型;根据待预测日的多个影响因素的值,计算待预测日所属的子集,将待预测日所属的子集作为目标子集;根据目标子集的预测模型,获取待预测日的用电负荷预测值。本发明能够实现目标区域用电负荷的精准预测。
-
-
-
-
-
-
-
-
-