-
公开(公告)号：CN108695864A
公开(公告)日：2018-10-23
申请号：CN201810575743.X
申请日：2018-06-06
Abstract: 本发明公开了一种基于μPMU与SCADA的配电网网络拓扑分析方法，将根据SCADA数据形成的初始节点支路关联矩阵每一行与支路开关矩阵各个元素进行与运算，得到节点支路关联矩阵。通过μPMU采集的模拟电流量分析和校验根据SCADA系统得到的开关量，根据下一时刻μPMU的模拟支路电流判断支路电流是否突变，如果突变则修正支路开关矩阵，将节点支路关联矩阵每一行与实时支路开关矩阵进行与运算，得到实时节点支路关联矩阵。对实时节点支路关联矩阵进行广度优先搜索，得到配电网网络拓扑结构。本发明可以有效地区别负荷变化对于配电网网络拓扑的影响，快速准确的辨识配电网网络拓扑结构的变化，提供实时可靠的配电网网络拓扑。
-
公开(公告)号：CN119224488B
公开(公告)日：2025-04-01
申请号：CN202411754717.5
申请日：2024-12-03
Applicant: 国网上海市电力公司
IPC: G01R31/08
Abstract: 本发明属于电缆监测技术领域，具体涉及一种高频共模干扰在线预警装置，包括：磁滤波环、磁感应环、线圈绕组、噪声报警装置，其中，所述磁滤波环非接触的套穿在LED灯驱动器的火线与零线上，用于改善由于被测共模电流位置不对称引起的磁场分布不均匀；所述磁感应环非接触的套穿在磁滤波环外侧，且与磁滤波环共同安装在LED灯的外侧，组成双环结构；所述线圈绕组绕制在磁感应环上，且输出电压正比于被测共模电流的变化率；所述噪声报警装置基于线圈绕组输出的信号进行报警。与现有技术相比，本发明具有能够减少高频杂散信号对LED灯高频共模电流干扰、灵敏性强等优点。
-
公开(公告)号：CN119670390A
公开(公告)日：2025-03-21
申请号：CN202411726633.0
申请日：2024-11-28
Abstract: 本发明涉及一种用于宽频振荡分析的换流器开关电路动态建模方法、设备及介质，该方法包括在dq坐标系下建立换相前后以及换相期间换流器整流侧的状态空间方程，根据换相时序得到换相起始时刻和结束时刻的过渡方程，采用离散采样‑数据建模方法得到换流器整流侧的数学模型，线性化后得到整流侧相应的小信号离散方程；采用相同方式得到逆变侧相应的小信号离散方程；根据换流器整流侧、逆变侧和直流电容的状态方程组合，得到换流器主电路的小信号模型。与现有技术相比，本发明设计的换流器开关电路动态建模方法能够有效考虑到换流器的动态特性，适用于较高频率范围。
-
公开(公告)号：CN119443839A
公开(公告)日：2025-02-14
申请号：CN202411241381.2
申请日：2024-09-05
Applicant: 国网上海市电力公司 , 上海久隆企业管理咨询有限公司
IPC: G06Q10/0637 , G06Q50/06
Abstract: 本发明涉及一种电网企业创新能力评价指标体系的构建方法、设备及介质，包括以下步骤：获取电网企业的相关创新数据源；按照预设指标和预设标准创新维度，对所述相关创新数据源进行处理，得到各个维度下的多级指标，并构建为初始多层指标树；采用权重计算方法对所述初始多层指标树上的多级指标赋权，得到最终的多层指标树，完成创新能力评价指标体系的构建过程。与现有技术相比，本发明具有构建过程简单、体现评价指标层次结构等优点。
-
公开(公告)号：CN119375750A
公开(公告)日：2025-01-28
申请号：CN202411517973.2
申请日：2024-10-29
IPC: G01R31/392 , G01R31/367 , G06Q10/04 , G06N3/0442 , G06N3/0464 , G06F17/18
Abstract: 本发明公开了一种用于安全智能决策的锂离子电池退化预测方法，包括：获取原始测量信号，并且采用一维卷积神经网络模块提取隐藏在原始测量信号中的深层代表性特征；通过双向长短期记忆模块来估计出电池容量；利用核密度估计模块推导每个电池循环阶段预测点的概率密度；基于概率预测信息的维护决策评估每个电池循环阶段不同决策的成本，并选择成本较低的决策。本发明通过构建一维卷积神经网络算法、双向长短期记忆技术和核密度估计方法相结合的集成模型来处理电池容量预测和维护决策中的不确定性，实现基于概率预测信息的锂离子电池安全运行智能分析决策，提高了锂离子电池退化预测的准确性，提升了维护决策的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN119375742A
公开(公告)日：2025-01-28
申请号：CN202411517989.3
申请日：2024-10-29
IPC: G01R31/387 , G01R31/367 , G06N3/0442 , G06N3/006 , G06N3/048 , G06F17/11
Abstract: 本发明公开了一种基于LSTM的锂离子电池SOC估计方法，包括：采用二阶Thevenin模型，建立锂离子电池的等效电路模型，得到系统状态方程和观测方程；基于系统状态方程和观测方程，采用鲸鱼优化算法在线辨识模型参数；基于参数辨识后的等效电路模型，根据电池内部特性相关的映射，获取到滑动平均电压；将滑动平均电压加入输入端，采用基于LSTM评价方法，根据SOC函数计算获取到锂离子电池SOC估计结果。本发明建立锂离子电池的等效电路模型，采用鲸鱼优化算法在线辨识模型参数，根据实验验证基于LSTM的SOC估计效果，解决了模型精度与复杂度难以兼顾的问题，能够有效提升SOC估计的准确性，有利于提高电池的使用寿命和利用效率。
-
公开(公告)号：CN118920615A
公开(公告)日：2024-11-08
申请号：CN202410920337.8
申请日：2024-07-10
Applicant: 国网上海市电力公司 , 浙江电腾云光伏科技有限公司 , 华东电力试验研究院有限公司
Abstract: 本发明公开了一种基于实时功率预测的配电网动态多阶段日前无功调度方法，该日前无功调度方法的具体步骤包括：A、考虑DG预测误差，采用机会约束对并联电容器与DG的无功进行初步静态优化，所得结果作为下一优化阶段的初始值；B、以线路损耗与动作成本最小为优化目标，对离散型并联电容器的投切容量进行粗略无功优化；C、综合考虑DG与负荷不确定性，以线路损耗最小为优化目标，以DG的无功出力为优化变量，进行精细无功优化；D、粗略无功优化阶段的并联电容器投切容量作为精细无功优化阶段的输入值，精细无功优化阶段得到的DG出力值再返回粗略无功优化阶段进行投切容量的更新，不断迭代，实现配电网动态多阶段日前动态无功优化。本发明充分考虑不同调节特性的无功电源之间的协调，采用机会约束表征DG与负荷的不确定性，以达到充分利用无功容量，降低电压越限风险，降低无功补偿设备调节成本，延长设备使用寿命的目的。
-
公开(公告)号：CN118862162A
公开(公告)日：2024-10-29
申请号：CN202410988062.1
申请日：2024-07-23
IPC: G06F21/62 , G06F21/60 , G06F16/27 , G06F16/2455 , G06F16/242
Abstract: 本发明涉及一种基于隐私计算的电力系统实验室数据共享方法、装置及介质，其中方法包括以下步骤：利用差分隐私技术，向电力系统实验室数据中添加隐私噪音；对电力系统实验室的关键敏感数据采用同态加密方法进行加密；多个电力实验室将本地数据加密后，通过安全多方计算协议，在多个电力系统实验室之间进行协同计算；基于区块链技术，构建去中心化的电力系统实验室数据共享平台，通过智能合约实现访问控制；建立电力系统实验室的数据共享联盟，实验室间签署数据共享协议；采用密文检索技术，基于加密的电力系统实验室数据进行隐私保护查询。与现有技术相比，本发明可以在保护电力系统实验数据隐私的前提下，实现不同实验室的安全协同分析，提高数据利用效率。
-
公开(公告)号：CN118552237A
公开(公告)日：2024-08-27
申请号：CN202410608497.9
申请日：2024-05-16
Applicant: 国网上海市电力公司 , 华东电力试验研究院有限公司 , 南京豪庆信息科技有限公司
IPC: G06Q30/0202 , G06Q50/06 , H04L67/10 , H04L67/12 , G06F18/27 , G06F123/02
Abstract: 本发明公开了一种云储能模式下电动汽车充电需求感知方法，涉及电力需求响应技术领域，该云储能模式下电动汽车充电需求感知方法包括以下步骤：构建基于云储能模式的多层级信息交互架构，明确多层级信息交互架构中各架构组成部分的职能分配；结合电动汽车集群的充电行为指标多维度分析电动汽车集群充电行为特性，并基于充电行为特性构建充电行为特性概率模型；基于一维tanh云模型综合分析用户参与多层级信息交互架构的意愿；构建反映用户参与意愿及电动汽车充电需求的综合云模型，并基于综合云模型进行电动汽车充电需求感知。本发明有助于优化充电站的资源分配和充电计划，避免高峰时段充电需求过大导致成本上升，进而降低整体充电成本。
-
公开(公告)号：CN114004414B
公开(公告)日：2024-08-23
申请号：CN202111311602.5
申请日：2021-11-08
IPC: H02J3/00 , G06F18/23213 , G06F18/211 , G06N3/0442
Abstract: 本发明涉及一种耦合Copula与LSTM的工企用能负荷预测方法，包括：采集待预测工业企业的选定要素实时数据，并输入训练好的LSTM深度神经网络模型，获得待预测工业企业的预测用能负荷；其中，所述的选定要素的选定过程包括以下步骤：1)采集多种类型的工业企业的用能负荷历史数据以及对应时间点的若干种待定要素历史数据，构成样本数据集；2)对样本数据集进行预处理；3)利用K‑Means算法对用能负荷历史数据进行聚类，获得若干个聚类；4)通过Copula算法对聚类与待定要素之间的非线性相关性进行分析，从所有待定要素中选出选定要素。与现有技术相比，本发明具有精准性高、稳定性强等优点。
-
-
-
-
-
-
-
-
-
Search Results
504
records
(took 0.098 seconds)
