-
公开(公告)号:CN112377985B
公开(公告)日:2022-02-01
申请号:CN202011078040.X
申请日:2020-10-10
申请人: 湖南大唐先一科技有限公司 , 广西电网有限责任公司
摘要: 本发明公开了一种基于反馈神经网络的供热机组调峰下限评估方法及系统,首先基于统计学的数据分析方法,根据历史工况数据中在较低工况下的数据运行情况,评估供热机组在纯凝工况下的调峰下限。然后根据低压缸排汽流量计算供热工况下的调峰下限值,将基于低压缸排汽流量的变工况计算得到的计算调峰下限值,与预处理后的数据并成数据集,利用数据集训练反馈神经网络模型,可以通过训练好的反馈神经网络模型对供热机组的调峰下限进行实时评估,评估结果的准确性高、误差小,并且供热机组的历史工况数据直接通过现有的供热机组系统即可获得,整个评估过程不会影响正常的供热和供电,工作量和耗费的时间都相对较少。
-
公开(公告)号:CN112348696B
公开(公告)日:2024-03-22
申请号:CN202011077586.3
申请日:2020-10-10
申请人: 湖南大唐先一科技有限公司 , 广西电网有限责任公司
IPC分类号: G06Q50/06 , G06N3/0499 , G06N3/084 , G06F30/27 , G06F113/08 , G06F119/08 , G06F119/14
摘要: 本发明公开了一种基于BP神经网络的供热机组调峰上限评估方法及系统,引入基于热耗率的变工况计算,通过获取主蒸汽流量接近最大的主蒸汽流量的历史工况数据,并根据这些数据,基于热耗率的热力学计算得到在该供热工况下若主蒸汽流量达到最大值时的电负荷值,作为该工况下的计算调峰上限值。然后建立神经网络评估模型,借助BP神经网络模型的自学习性和误差反向传播特性,以最大限度的减少计算调峰上限的误差,从而能够得到更客观准确的调峰上限值。整个评估过程不会影响正常的供热和供电,工作量和耗费的时间都相对较少。
-
公开(公告)号:CN112377985A
公开(公告)日:2021-02-19
申请号:CN202011078040.X
申请日:2020-10-10
申请人: 湖南大唐先一科技有限公司 , 广西电网有限责任公司
摘要: 本发明公开了一种基于反馈神经网络的供热机组调峰下限评估方法及系统,首先基于统计学的数据分析方法,根据历史工况数据中在较低工况下的数据运行情况,评估供热机组在纯凝工况下的调峰下限。然后根据低压缸排汽流量计算供热工况下的调峰下限值,将基于低压缸排汽流量的变工况计算得到的计算调峰下限值,与预处理后的数据并成数据集,利用数据集训练反馈神经网络模型,可以通过训练好的反馈神经网络模型对供热机组的调峰下限进行实时评估,评估结果的准确性高、误差小,并且供热机组的历史工况数据直接通过现有的供热机组系统即可获得,整个评估过程不会影响正常的供热和供电,工作量和耗费的时间都相对较少。
-
公开(公告)号:CN112348696A
公开(公告)日:2021-02-09
申请号:CN202011077586.3
申请日:2020-10-10
申请人: 湖南大唐先一科技有限公司 , 广西电网有限责任公司
IPC分类号: G06Q50/06 , G06N3/08 , G06F30/27 , G06F113/08 , G06F119/08 , G06F119/14
摘要: 本发明公开了一种基于BP神经网络的供热机组调峰上限评估方法及系统,引入基于热耗率的变工况计算,通过获取主蒸汽流量接近最大的主蒸汽流量的历史工况数据,并根据这些数据,基于热耗率的热力学计算得到在该供热工况下若主蒸汽流量达到最大值时的电负荷值,作为该工况下的计算调峰上限值。然后建立神经网络评估模型,借助BP神经网络模型的自学习性和误差反向传播特性,以最大限度的减少计算调峰上限的误差,从而能够得到更客观准确的调峰上限值。整个评估过程不会影响正常的供热和供电,工作量和耗费的时间都相对较少。
-
公开(公告)号:CN214091983U
公开(公告)日:2021-08-31
申请号:CN202022248843.7
申请日:2020-10-10
申请人: 湖南大唐先一科技有限公司 , 广西电网有限责任公司
摘要: 本实用新型公开了一种自动调节供热系统,包括:主蒸汽管,用汽轮机,汽轮机的进汽口连接主蒸汽管;压力匹配器,压力匹配器上设置有高压蒸汽入口、二抽入口、四抽入口和出汽口,高压蒸汽入口与主蒸汽管相连,二抽入口与汽轮机的二段抽汽口相连,四抽入口与汽轮机的四段抽汽口相连,压力匹配器上设置有电动执行机构;压力传感器,压力传感器安装在出汽口上;控制箱,控制箱的信号输入端与压力传感器电性连接,控制箱的输出端与电动执行机构的控制端电性连接。可实现流量全工况的调整。整个系统简易而高效,既提高了能源利用效率,又提高了供热的可靠性。
-
公开(公告)号:CN108171271B
公开(公告)日:2022-04-29
申请号:CN201810026999.5
申请日:2018-01-11
申请人: 湖南大唐先一科技有限公司
IPC分类号: G06V10/762 , G06V10/774 , G06K9/62
摘要: 本发明涉及设备状态检测预警技术领域,公开了一种设备劣化早期预警方法和系统,以通过对设备的运行状态的参数进行数据挖掘和分析,节省时间成本,并为工作人员准确和全面的掌握设备的劣化趋势提供了有效的科学依据;本发明的设备劣化早期预警方法包括根据能反映设备运行状态的测点建立预警监测模型;选取设备在时间步长内的正常运行参数数据作为预警监测模型的训练样本数据;采用K‑Means聚类算法对训练样本数据进行初步聚类分析,并将分析结果通过混合高斯模型进行迭代得到训练矩阵;进一步生成相似关系度矩阵,然后得到实时数据与训练矩阵中的各状态向量之间的隶属度矩阵,并得到与实时数据对应的期望值;计算实时数据与期望值的相似度。
-
公开(公告)号:CN108241894A
公开(公告)日:2018-07-03
申请号:CN201810021807.1
申请日:2018-01-10
申请人: 湖南大唐先一科技有限公司
IPC分类号: G06Q10/00
摘要: 本发明涉及设备智能运维技术领域,公开了一种故障定位方法、设备及存储介质,以提高故障定位的实时性及精准性。本发明方法包括:在待故障定位设备中设置关联不同维度的至少两个测点,针对各种故障类型确定所一一对应的故障矩阵;获取各测点基于时间序列的异常状态信息数据以构建异常状态信息特征值矩阵;计算待分析的异常状态信息特征值矩阵与各故障矩阵的匹配度,并将匹配度最大的故障矩阵所对应的故障类型定位为当前故障类型;根据预设的采样周期,判断当前所定位的故障类型在相应采样周期内连续发生的累计时间是否等于或大于死区时间,若等于或大于死区时间,则输出相应的故障告警;否则,输出设备在当前采样周期正常运行的相关状态信息。
-
公开(公告)号:CN117411091A
公开(公告)日:2024-01-16
申请号:CN202311144206.7
申请日:2023-09-06
申请人: 国能粤电台山发电有限公司 , 湖南大唐先一科技有限公司
摘要: 本发明所述方法及系统,涉及电力行业的自动电压控制技术领域,包括采集虚拟电厂数据信息,建立两级多智能体系统的控制方案,协调子虚拟电厂并网点电压;基于子虚拟电厂的电压质量要求,对多区域虚拟电厂的电压协调控制建模;基于系统电压控制模型,进行实际电压协调控制的预测。本发明对子虚拟电厂的协调控制,这种系统架构使不同子虚拟电厂之间能够协同工作,共同调节并网点的电压,从而提高整个虚拟电厂的电压质量和稳定性;优化电压控制策略,确保各个区域虚拟电厂之间的电压协调性,避免过高或过低的电压水平;对虚拟电厂的电压行为进行预测和分析,提前采取相应的控制措施,确保电网的电压稳定性和可靠性。
-
公开(公告)号:CN116247684A
公开(公告)日:2023-06-09
申请号:CN202211187407.0
申请日:2022-09-26
申请人: 国能粤电台山发电有限公司 , 湖南大唐先一科技有限公司
IPC分类号: H02J3/16 , G06F18/2113 , H02J3/14 , G06F18/214 , G06F18/2431
摘要: 本发明涉及电力系统及其自动化技术领域,且公开了一种基于决策树的静态电压稳定裕度评估方法,包括如下步骤:根据区间划分将系统划分为正常、预警、紧急三种典型电压稳定裕度状态;在每个裕度区间选取相同数量的系统运行点作为训练样本,并以此构建学习模型的训练样本集;利用参与因子分析技术,分别计算母线、发电机以及支路的参与因子;为了进一步降低特征变量维度,提高模型的学习能力和学习效率,利用Relief‑F算法使筛选出的特征变量更适用于静态电压稳定裕度评估问题;基于所构建的训练样本集和属性集,利用C4.5算法构建面向静态电压稳定裕度的决策树学习模型。
-
公开(公告)号:CN115983477A
公开(公告)日:2023-04-18
申请号:CN202310009803.2
申请日:2023-01-04
申请人: 湖南大唐先一科技有限公司
IPC分类号: G06Q10/04 , G06Q50/06 , G06F18/23213 , G06N3/08 , G06N3/0464 , H02J3/00
摘要: 本发明公开了基于K‑means聚类与卷积神经网络模型的负荷预测方法包括:采集电力负荷实测数据并对数据进行预处理,基于K‑means聚类算法对预处理后的数据进行聚类处理;利用VMD算法对聚类处理后的数据进行分解,根据分解后的数据构建CNN卷积神经网络并提取电力负荷特征和节假日负荷特征;通过CNN卷积神经网络对数据进行负荷预测,获取并分析负荷预测结果;本发明提供的方法通过K‑means聚类将数据分类成规律性更强的几类,具有较好的较好的抗噪声干扰和对复杂数据的分解精度高,提高了算法精度;并且本发明在训练过程中加入了学习率下降与满足一定条件时提前中止训练的代码,这样不仅保证了训练精度同时也大量的减少了训练的时长。
-
-
-
-
-
-
-
-
-