-
公开(公告)号：CN118027439A
公开(公告)日：2024-05-14
申请号：CN202410251611.7
申请日：2024-03-06
Applicant: 华南理工大学
Abstract: 本发明属于木质素制备技术领域，公开一种高羟基含量高纯木质素及其制备方法与应用。本发明将熔盐水合物和有机弱酸混合，形成均匀溶液；然后加入针叶木及聚乙二醇，加热，过滤，将滤渣干燥，得到高羟基含量高纯木质素；进一步地，将高羟基含量高纯木质素溶解在有机溶剂‑水混合溶液中，加水，离心，将沉淀干燥，得到单分散木质素胶体球。本发明方法制备条件温和，有效减少提取过程中木质素的缩聚，提高木质素的收率；提取过程无需使用大量的有机溶剂，所用的熔盐水合物可回收重复使用，是一种绿色、可持续的木质素提取策略；将单分散木质素胶体球制备木质素基结构色材料，所得产品可有效拓宽木质素胶体球在结构色材料方面的应用。
-
公开(公告)号：CN117239738A
公开(公告)日：2023-12-15
申请号：CN202311494258.7
申请日：2023-11-10
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于组合预测模型的风电功率预测方法及系统，属于风电功率预测技术领域，包括：构建由EEMD算法、PCA算法和LSTM算法组成的组合预测模型；获取风电电站的历史功率数据以及历史功率数据对应的历史环境数据，通过LASSO算法对环境因素进行筛选，生成用于组合预测模型训练的第一数据集；通过第一数据集对组合预测模型进行训练，生成预测模型；采集风电电站在当前时间戳的第一功率数据和第一环境数据，通过获取在当前时间戳的下一时间戳的第二环境数据，与第一环境数据的变化趋势，根据预测模型，预测获取风电电站在下一时间戳的第二功率数据；本发明提出的预测模型较传统风电功率预测方法有更高的精确度。
-
公开(公告)号：CN117031931A
公开(公告)日：2023-11-10
申请号：CN202310633492.7
申请日：2023-05-31
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于强化学习的数据中心冷源参数优化方法、系统及介质。该方法包括部署数据中心冷源数据采集、控制系统，采集数据中心冷源运行数据、室外气象数据和冷源设备能耗数据；构建数据中心冷源马尔科夫决策模型，包括状态、动作、概率及奖励的构建；基于数据中心冷源马尔科夫决策模型，利用Q‑learning方法对数据中心冷源参数进行优化。本发明从数据中心冷源运行数据中不断自我学习，实现数据中心冷源系统参数优化，减少数据中心能源使用，与现有的数据中心冷源参数优化方法相比，可进一步减少能源消耗，提升数据中心用能水平，有效降低数据中心电能利用效率PUE和制冷负载系数CLF。
-
公开(公告)号：CN116932261A
公开(公告)日：2023-10-24
申请号：CN202310782327.8
申请日：2023-06-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种数据中心异常能效溯源方法、系统和介质，方法包括：采集数据中心各项能耗历史数据；对历史数据进行清洗及插补；将各项能耗历史逐时数据转化为各项能耗历史日逐时数据；采用前后两个时刻能耗的差值计算逐时能耗增量，得到各项能耗日逐时能耗增量；对各项能耗日逐时能耗增量分别取置信区间，得到初始逐时能耗增量置信区间；对初始逐时能耗增量置信区间进行修正，得到最终逐时能耗增量置信区间；数据中心能效异常时，计算各项能耗逐时能耗增量，对比实时能耗增量是否在逐时能耗增量置信区间内，判断能耗是否异常。本发明能够有效溯源引起能效异常的原因，也可对能效异常检测的结果进行反馈修正，减少虚警，提高异常检测准确度。
-
公开(公告)号：CN106910144B
公开(公告)日：2020-04-28
申请号：CN201710019658.0
申请日：2017-01-11
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于分时刻实际用能系数的大型建筑逐时能耗在线预测方法，提出了分时刻实际用能系数，用于描述不同时刻下建筑能耗特性，并利用室外环境干球温度、室外环境相对湿度、上一时刻建筑能耗值的历史数据集建立建筑能耗预测模型，然后通过在线获取室外环境干球温度、相对湿度、建筑能耗值在线预测得到下一时刻建筑能耗。本发明具有以下技术效果：该方法建立的建筑能耗预测模型预测数据可靠性高，可用于预测单栋建筑或大区域范围内的建筑逐时能耗、建筑能耗的节能控制、建筑能耗预测以及区域内的电力削峰等场合。
-
Patent Agency Ranking
公开(公告)号：CN107944464A
公开(公告)日：2018-04-20
申请号：CN201710945394.1
申请日：2017-10-12
Applicant: 华南理工大学
Abstract: 本发明公开了一种办公建筑逐时能耗异常数据在线识别与填补方法，该方法包括下述步骤：获取历史能耗数据；清洗历史能耗数据，剔除异常数据；根据逐时能耗数据的室外温度、时刻、以及日期属性，建立用能模式特征集，并计算特征值；逐时采集能耗数据,进行用能模式匹配，并找到对应的特征值；在线识别异常数据；对异常数据进行循环插补，并用公式对插补值修正；将插补完成后的无异常数据存入数据库；定期对用能模式的特征值滚动修正，再进行逐时能耗数据在线插补。本发明能够解决办公建筑逐时能耗中常见异常数据的识别与插补的问题，提高能耗数据质量，为进一步的数据挖掘提供有效数据，推动建筑节能工作的开展。
-
公开(公告)号：CN102705957A
公开(公告)日：2012-10-03
申请号：CN201210187336.4
申请日：2012-06-07
Applicant: 华南理工大学
IPC: F24F11/00
Abstract: 本发明公开了一种基于室内温湿度参数的办公建筑中央空调逐时冷负荷在线预测方法，冷负荷预测过程中对室外气象参数、空调运行输入参数进行了时间序列预测，并利用上述数据建立空调冷负荷Online SVR动态预测模型，提前预测得到当日24小时的空调冷负荷，并利用前一日24小时的空调负荷实测值与预测值的残差序列进行补偿。本发明建立的空调冷负荷预测模型预测数据可靠性高，可用于预测单栋建筑或大区域范围内的办公建筑中央空调系统逐时冷负荷、中央空调系统的节能控制、空调能耗预测以及区域内的电力削峰等场合。
-
公开(公告)号：CN101644588A
公开(公告)日：2010-02-10
申请号：CN200910040542.0
申请日：2009-06-24
Applicant: 华南理工大学 , 广州市远正智能科技有限公司
Abstract: 本发明提供一种空调末端设备冷负荷实时监测及冷量计量方法与系统，其方法为通过测量单一功能建筑冷源的瞬时总冷量或综合建筑不同功能区的瞬时总冷量，计算空调末端的显热冷负荷，用于测算空调末端全热冷负荷；其系统包括本地数据中心、末端智能节点装置及前端智能节点装置，本地数据中心与前端智能节点装置之间设有数据转换模块；前端智能节点装置为冷源智能节点装置或管网智能节点装置；末端智能节点装置设于空调系统中的空调末端设备，冷源智能节点装置设于单一功能建筑的冷源部分，管网智能节点装置设于综合建筑各功能区的冷冻水管网上。本发明具有成本较低、施工便捷、计量简单等特点，适用于各类既有建筑空调末端设备冷负荷实时监测及冷量计量，同时也适用于新建建筑。
-
公开(公告)号：CN100507388C
公开(公告)日：2009-07-01
申请号：CN200710029544.0
申请日：2007-08-03
Applicant: 华南理工大学 , 广州市远正智能科技有限公司
Abstract: 本发明提供中央空调末端环境温度与冷源负荷远程调控方法，即系统运行远程服务器读取节点装置采集的冷源运行功率、末端环境温度，然后按区域、建筑类别和建筑内功能区进行冷源功率汇总和末端环境温度列表处理；在远程服务器输入调控指令和末端环境温度设定值，并发送到需调控的末端节点装置，实现末端环境温度与冷源负荷远程调控；当需电力错峰负荷调节时，在远程服务器预设错峰调节区域、错峰调节量及错峰时段，远程服务器根据对上述预设参数处理结果，将错峰调控指令、末端环境温度标准设定值与错峰调节持续时间发送到需调控的末端节点装置，实现对末端环境温度及冷源负荷进行调控，完成电网电力负荷错峰调节。本发明具有很好的推广应用价值。
-
公开(公告)号：CN101435643A
公开(公告)日：2009-05-20
申请号：CN200810219887.8
申请日：2008-12-12
Applicant: 华南理工大学 , 广州市远正智能科技有限公司
IPC: F25B49/02 , F24F11/00 , G05B19/418
Abstract: 本发明为冷水机组运行能效比监测系统及其监测方法，包括冷水机组运比监测控制器、本地监控计算机、远程监控计算机以及与冷水机组对应连接的供冷管网冷冻水供水温度传感器、供冷管网冷冻水回水温度传感器、供冷管网冷冻水流量计、制冷压缩机功率传感器；供冷管网冷冻水供水温度传感器、供冷管网冷冻水回水温度传感器、供冷管网冷冻水流量计、制冷压缩机功率传感器分别与冷水机组运行能效比监测控制器相连接，本地监控计算机、远程监控计算机分别通过转换器I、转换器II与冷水机组运行能效比监测控制器信号连接。本发明适用于以电力作为一次驱动能源的中央空调系统中的冷水机组，测得的冷水机组运行能效比适用于冷水机组日常节能运行监管。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.032 seconds)
