-
公开(公告)号：CN117539456A
公开(公告)日：2024-02-09
申请号：CN202311260921.7
申请日：2023-09-27
Applicant: 中国电力科学研究院有限公司
IPC: G06F8/34 , G06F8/38 , G06F16/958
Abstract: 本发明提供了一种图表及可视化页面自定义集成方法、系统及介质，包括：通过URL嵌入的方式将自定义的页面嵌入可视化专题中进行集成；根据需求通过插件管理添加新的图表类型进行相应的绘制逻辑；将URL嵌入和插件管理进行信息呈现，并根据需求对所述URL嵌入和插件进行管理。本发明通过URL嵌入的方式将自定义的页面嵌入可视化专题中进行集成，扩展了图标库的能力，满足用户个性化需求，本发明通过插件管理添加新的图表类型，提高了系统的灵活性、可定制性和易用性，进而可以满足用户定制化和高效性的需求。
-
公开(公告)号：CN117686932A
公开(公告)日：2024-03-12
申请号：CN202311539084.1
申请日：2023-11-17
Applicant: 国网江苏省电力有限公司连云港供电分公司 , 中国电力科学研究院有限公司
IPC: G01R31/392 , G01R31/367 , G01R31/396 , G06F18/10 , G06F18/214 , G06F18/243 , G06N20/20
Abstract: 基于机器学习与时间常数比的储能电池健康状态估计方法与估计系统，包括：步骤1：采集储能电池历史运行数据；步骤2：对步骤1中的数据进行预处理；步骤3：构建储能电池SOH预测模型，并进行训练及优化；步骤4：对步骤3训练完成的储能电池SOH预测模型进行精确度验证；步骤5：输入需要估计SOH的储能电池实际运行数据到步骤4训练完成的储能电池SOH预测模型中，可得到该储能电池当前SOH。本发明根据预训练好的储能电池SOH预测模型基于实际运行数据可直接输出储能电池的当前状态的SOH。
-
公开(公告)号：CN115902646A
公开(公告)日：2023-04-04
申请号：CN202310017034.0
申请日：2023-01-06
Applicant: 中国电力科学研究院有限公司
IPC: G01R31/367
Abstract: 本发明公开了一种储能电池故障识别方法及系统，属于储能电池技术领域，包括：输入储能电池运行数据至储能电池故障预测模型中，对各电池模块中电池单体的电压、温度、内阻的不一致性进行实时预测与故障预警；通过加权平均法计算出各电池模块中电池单体安全阈值的综合指标值；按照预设的序列对各电池模块中电池单体的安全阈值的综合指标值和预设的安全综合阈值进行对比和检测进而得到异常检测结果；对预测结果中的异常数据进行紧急度评估，生成评估分数；通过所述评估分数将所述异常检测结果划分不同故障等级，并对出现故障的模块电池单体进行具体电池单体定位。该方法对故障电池的尽早发现尽早定位，延长储能系统使用寿命的效果。
-
公开(公告)号：CN116303777A
公开(公告)日：2023-06-23
申请号：CN202310224984.0
申请日：2023-03-01
Applicant: 中国电力科学研究院有限公司
Abstract: 本发明实施例提供了一种跨异构数据库之间实时同步复制方法及系统，方法包括：建立源数据库和目标数据库之间数据类型的映射关系；根据源数据库和目标数据库之间数据类型的映射关系，在目标数据库中创建与源数据表建立映射关系的目标数据表；在源数据库的源数据表上建立捕捉数据变化的触发器，触发器用于在源数据表的数据变化时，向目标数据表写入相同的数据变化内容。本发明实施例提供的一种跨异构数据库之间实时同步复制方法及系统，实现了跨异构数据库之间数据的同步复制，能够解决分布式异构数据库之间的数据同步问题。并且本发明能够将源数据库的数据同步复制到本地的目标数据库，提高数据转发效率。
-
公开(公告)号：CN116257666A
公开(公告)日：2023-06-13
申请号：CN202310168037.4
申请日：2023-02-27
Applicant: 中国电力科学研究院有限公司
IPC: G06F16/904 , G06F16/903 , G06F16/901 , G06F16/25
Abstract: 本发明实施例提供一种基于Echarts的数据动态渲染展示方法及系统，方法包括：根据所述数据查询请求在动态数据库中进行查询，将查询得到的动态实时数据作为待展示数据；加载Echarts图表库，根据所述待展示数据，在Echarts图表库中选取目标图表；将所述待展示数据与所述目标图表进行关联和渲染，以通过目标图表展示所述待展示数据。对所述待展示数据进行数据监听，当待展示数据改变时，将改变后的数据与所述目标图表进行关联和渲染。本申请采用监听数据的方式，当待展示数据发生改变时，将改变后的数据与目标图表重新进行关联和渲染，以实现动态的渲染数据。
-
Patent Agency Ranking
公开(公告)号：CN115902646B
公开(公告)日：2023-06-13
申请号：CN202310017034.0
申请日：2023-01-06
Applicant: 中国电力科学研究院有限公司
IPC: G01R31/367
Abstract: 本发明公开了一种储能电池故障识别方法及系统，属于储能电池技术领域，包括：输入储能电池运行数据至储能电池故障预测模型中，对各电池模块中电池单体的电压、温度、内阻的不一致性进行实时预测与故障预警；通过加权平均法计算出各电池模块中电池单体安全阈值的综合指标值；按照预设的序列对各电池模块中电池单体的安全阈值的综合指标值和预设的安全综合阈值进行对比和检测进而得到异常检测结果；对预测结果中的异常数据进行紧急度评估，生成评估分数；通过所述评估分数将所述异常检测结果划分不同故障等级，并对出现故障的模块电池单体进行具体电池单体定位。该方法对故障电池的尽早发现尽早定位，延长储能系统使用寿命的效果。
-
公开(公告)号：CN115980611A
公开(公告)日：2023-04-18
申请号：CN202310118364.9
申请日：2023-01-30
Applicant: 中国电力科学研究院有限公司
IPC: G01R31/392 , G01R31/396 , G01R31/367 , G01R31/36
Abstract: 本发明属于储能技术领域，公开一种基于深度学习的储能电池健康状态在线评估方法及系统；所述方法，包括：获取储能电池实际运行过程中的实际运行数据；将所述储能电池实际运行过程中的实际运行数据输入预训练好的用于储能电池SOH估算的长短期记忆网络LSTM，获得储能电池的SOH估算值。本发明利用电池管理系统传感器所获取的电压、电流、温度，对基于长短期记忆网络LSTM进行训练，获得预训练好的用于储能电池SOH估算的长短期记忆网络LSTM；利用实时运行过程中采集的电压、电流、温度边可以实现在线估计储能电池SOH。本发明以在线估计储能电池SOH为目标，且适用于不同温度和不同工况下的储能电池SOH估算，具有较强的鲁棒性和较广的适用范围。
-
公开(公告)号：CN117686931A
公开(公告)日：2024-03-12
申请号：CN202311539024.X
申请日：2023-11-17
Applicant: 国网江苏省电力有限公司连云港供电分公司 , 中国电力科学研究院有限公司
IPC: G01R31/392 , G01R31/367 , G01R31/396
Abstract: 一种基于深度学习结合EIS数据的储能电池健康状态估计方法与估计系统，使用深度学习算法中的门控循环神经网络提供快速可靠的参数估计，同时使用来自EIS的先前数据作为误差评估的离线数据库，可直接利用电池系统的阻抗信息，使得模型预测结果更准确。
-
公开(公告)号：CN116401245A
公开(公告)日：2023-07-07
申请号：CN202310204811.2
申请日：2023-03-06
Applicant: 中国电力科学研究院有限公司
IPC: G06F16/22
Abstract: 本发明实施例提供一种数据索引构建方法及系统，方法包括：确定目标数据表中待索引的目标字段对应的特征词，根据所述特征词构建所述目标字段的索引；释放所述目标数据表的共享锁，监听所述目标数据表的数据变更，保存变更数据，根据所述变更数据新建目标数据表的索引。本发明基于目标数据表中待索引的目标字段对应的特征词，可以自动生成目标字段对应的目标搜索索引，实现了搜索索引的自动构建，无需人工参与，提高了索引的构建效率。并且，本发明监听目标数据表的数据变更，保存变更数据，根据所述变更数据新建目标数据表的索引，在需要修改索引字段时，无需人工修改索引信息，提高了索引构建的灵活性。
-
公开(公告)号：CN116184244A
公开(公告)日：2023-05-30
申请号：CN202310118358.3
申请日：2023-01-30
Applicant: 中国电力科学研究院有限公司
IPC: G01R31/392 , G01R31/396 , G01R31/367 , G01R31/36
Abstract: 本发明属于电气工程技术领域，公开一种储能电池健康状态在线估计方法、装置、设备及介质；所述方法，包括：获取储能电池当前的中段容量Qnow；获取待估计储能电池当前状态下的一段时间内的运行数据输入到预先训练好的初始中段容量预测模型中，得到储能电池初始中段容量Qstart；根据储能电池当前的中段容量Qnow和储能电池初始中段容量Qstart计算当前状态下储能电池的SOH。本发明基于增量容量分析ICA并结合人工智能技术，从储能电池电化学本质特性入手，方法更具可信度并且精确度较高。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.029 seconds)
