-
公开(公告)号：CN117808565B
公开(公告)日：2024-06-04
申请号：CN202410224297.3
申请日：2024-02-29
Applicant: 国网上海市电力公司
Abstract: 本发明公开了一种考虑绿证和碳交易的虚拟电厂多时段竞标方法，涉及电力系统调度运行技术领域，解决了现有技术缺乏考虑联合市场机制的VPP竞价策略的问题。该方法包括：在第一阶段，虚拟电厂获取第N‑1个交易日中各时段的历史数据并代入第一阶段竞标模型，得到第一阶段中各时段的决策变量求解结果后分别作为第N个交易日中同时段的已知参量；在第二阶段，虚拟电厂实时获取第N个交易日中当前时段的实时数据，将将上述已知参量、实时数据以及第N个交易日中当前时段之前的所有时段的决策变量求解结果代入第二阶段竞标模型，求解得到第N个交易日中当前时段的决策变量求解结果，并作为第N个交易日中当前时段的实时竞标结果。
-
公开(公告)号：CN118094210A
公开(公告)日：2024-05-28
申请号：CN202410458221.7
申请日：2024-04-17
Applicant: 国网上海市电力公司
IPC: G06F18/2135 , G06F18/10 , G06F17/16 , G06F18/2134
Abstract: 本发明公开了一种基于欠定盲源分离的储能系统充放电行为识别方法，涉及储能充放电行为识别技术领域，解决了现有技术中对储能需求响应能力的感知水平低的问题。该方法包括：获取储能系统的总功率信号序列，利用集合经验模态分解算法对所述总功率信号序列进行信号升维，得到本征模态函数矩阵；利用主成分分析算法对本征模态函数矩阵进行分析，估计独立储能信号个数，得到总功率信号序列对应的非欠定升维信号矩阵；分析非欠定升维信号矩阵中各非欠定升维信号之间的独立性，获取相应的独立子信号组矩阵；基于快速独立成分分析法对独立子信号组矩阵进行盲源信号分离，得到储能系统中的各独立储能的充放电行为曲线。
-
公开(公告)号：CN117010600A
公开(公告)日：2023-11-07
申请号：CN202311110445.0
申请日：2023-08-30
IPC: G06Q10/063 , G06Q50/26 , G06F18/24
Abstract: 本发明公开了一种基于动态阈值的工业企业碳画像分级方法，包括：获取工业企业碳排放数据；对工业企业碳排放数据进行预处理；根据预处理后的工业企业碳排放数据所属季节与企业所属行业构建训练输入矩阵；构建集成学习分层架构算法模型，将训练输入矩阵输入至集成学习分层架构算法模型中，进行动态阈值训练，得到训练后的模型；将工业企业碳排放数据输入至训练后的模型中，进行碳画像分级。本发明基于动态阈值与集成学习模型的工业企业碳画像分级方法能够有效地提高工业界碳排放分级的准确性与速度，辅助于碳分析、碳决策和碳管理，进一步实现节能减排目的。
-
公开(公告)号：CN112381610A
公开(公告)日：2021-02-19
申请号：CN202011279600.8
申请日：2020-11-16
Applicant: 国网上海市电力公司
Abstract: 本发明公开了一种群租风险指数的预测方法及计算机设备，所述方法包括：获取群租房住户在群租期间的电量数据；将群租房住户在群租期间的电量数据输入至随机森林回归算法模型中进行训练，以构建群租风险指数预测模型，其中，所述群租风险指数预测模型在接收到未检查住户的电量数据后，输出预测的群租风险指数，根据所述预测的群租风险指数可筛选出群租风险指数高的月份、租户。群租风险指数的核心思路为基于电力大数据分析群租居民和正常居民用电行为上的差异，从用户的每日和每月用电情况出发，提取用户用电行为特征，基于已查处的群租用户用电行为特点，运用随机森林回归算法，构建机器学习模型，智能输出用户群租风险指数。
-
公开(公告)号：CN119720270A
公开(公告)日：2025-03-28
申请号：CN202411729065.X
申请日：2024-11-28
Applicant: 国网上海市电力公司 , 中国电力科学研究院有限公司
IPC: G06F21/62 , G06N20/00 , G06Q10/067 , G06Q50/06
Abstract: 本发明公开了一种横向联邦学习窃电检测方法、系统、设备及介质，包括：获取窃电检测请求；根据所述窃电检测请求获取用户在预设时间段内的用电数据信息；将所述用户在预设时间段内的用电数据信息输入到训练后的窃电检测模型中，以判断是否存在窃电的情况，所述窃电检测模型利用基于差分隐私技术的异步联邦学习架构训练得到，该方法、系统、设备及介质能够实现窃电检测，且数据隐私的安全性较高。
-
Patent Agency Ranking
公开(公告)号：CN119514921A
公开(公告)日：2025-02-25
申请号：CN202411465632.5
申请日：2024-10-21
Applicant: 国网上海市电力公司
IPC: G06Q10/0631 , G06Q10/0639 , G06Q50/06
Abstract: 本发明涉及一种基于虚拟配电网和元宇宙的低碳智能能源调度方法及系统，该方法包括以下步骤：实时获取各分布式能源设备的运行状态数据和环境参数，构建分布式能源设备的虚拟孪生体；基于所述分布式能源设备的虚拟孪生体，聚合形成虚拟配电网，并以碳排放最小化构建优化调度模型；基于所述虚拟配电网，建立实时评价指标体系；基于所述实时评价指标体系，结合所述优化调度模型构建目标决策调度模型，并基于所述目标决策调度模型进行低碳智能能源调度，完成调度过程。与现有技术相比，本发明具有提高能源智能调度水平，实现可再生能源的高效利用等优点。
-
公开(公告)号：CN118134466A
公开(公告)日：2024-06-04
申请号：CN202410557955.0
申请日：2024-05-08
Applicant: 国网上海市电力公司
Abstract: 本发明涉及一种基于业务场景的变电站设备故障排查方法，属于变电站设备管理技术领域，解决了现有技术中缺乏实现变电站设备在不同业务场景下的故障排查方法的问题。该方法包括：根据变电站设备的业务场景选取关键量测参数、影响因素集；变电站设备实时运行过程中，根据每个量测周期的关键量测参数、影响因素集的实时采样数据生成态势预测模型的输入数据，由态势预测模型处理后输出当前量测周期的关键量测参数预测值；若当前量测周期的关键量测参数预测值达到故障预警值，则进行预警；同时，通过对当前量测周期的关键量测参数、影响因素集的实时采样数据进行耦合特性分析，从影响因素集中选取出潜在故障因素，并对潜在故障因素进行故障排查。
-
公开(公告)号：CN116628473A
公开(公告)日：2023-08-22
申请号：CN202310556920.0
申请日：2023-05-17
Applicant: 国网上海市电力公司 , 北京瓦时智能科技有限公司
IPC: G06F18/213 , G06F18/20 , G06N3/04 , G06N3/08 , G06Q50/06 , G06F18/214
Abstract: 本发明公开了一种基于多因子神经网络算法的电力设备状态趋势预测方法，该方法引入多因子，避免单因子预测模型不能正确捕捉设备发展趋势；引入连续采样和间隔采样方法，对数据的短期、长期波动和趋势有更好的提取精度，提升预测效果；基于多层全联接神经网络模型(MLP)构造IEBlock模块进行特征提取，既可以避免过多的计算带来计算资源和时间浪费，又能够高效提取各因子本身的的隐含特征以及各因子之间的隐含关系，进而提高预测精度。
-
公开(公告)号：CN119720007A
公开(公告)日：2025-03-28
申请号：CN202411691553.6
申请日：2024-11-25
IPC: G06F18/2433 , G06F18/23 , G06Q50/06 , G06N3/088 , G06N3/045
Abstract: 本发明公开了一种基于时间序列对比学习的用电负荷异常检测方法，该方法包含：S1、收集用电负荷数据并构建时间序列数据集，其包含训练集和测试集；S2、构建对比学习模型，并基于训练集对对比学习模型进行训练；S3、将训练好的对比学习模型应用到测试集中的所有子序列上，对所有子序列进行特征提取并重建输入的子序列生成重建数据，使用聚类算法对重建数据与原数据的残差进行聚类分析，并根据聚类结果设定异常阈值；S4、采集用户的实时用电负荷数据作为新数据，将其输入训练好的对比学习模型中得到对应的特征数据，若对应的特征数据超出异常阈值，判定此新数据为异常用电负荷。其优点是：该方法通过对比学习技术提高了用电负荷数据的异常检测精度。
-
公开(公告)号：CN119670868A
公开(公告)日：2025-03-21
申请号：CN202510173961.0
申请日：2025-02-18
Applicant: 国网上海市电力公司
Inventor： 汤蕾 , 雷红丹 , 万轶伦 , 张毅洲 , 吴舒鋆 , 顾黎强 , 聂鹏晨 , 陈赟 , 贺兴 , 周爱华 , 朱胜龙 , 张荣涛 , 吴欣烨 , 傅超然 , 王佳裕 , 朱涛 , 施展 , 冯越 , 黄鑫 , 孔令东
IPC: G06N5/022 , G06F18/10 , G06F18/213 , G06F18/2431
Abstract: 本发明公开了一种变压器故障诊断知识图谱的构建方法，属于变压器故障诊断技术领域，解决了现有技术中变压器故障诊断知识图谱无法适应相关故障特征数据随时间的动态变化、未考虑不同故障诊断算法适用条件区别导致诊断结果不准确的问题。该方法包括：分别搭建变压器故障诊断知识图谱的本体层和数据层；其中，本体层是知识图谱的类，由四个主题域组成，包括：变压器、故障、检修和算法，每一主题域包括实体、属性和关系；数据层是知识图谱的实例，用于存储本体层的实例数据；采集与变压器故障诊断相关的数据，并根据所采集的数据的类型，选用相匹配的处理方式，将所采集的数据映射至数据层的相应主题域中；以构建变压器故障诊断知识图谱。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.034 seconds)
