-
公开(公告)号：CN110632546A
公开(公告)日：2019-12-31
申请号：CN201910909246.3
申请日：2019-09-25
Applicant: 国网江苏省电力有限公司电力科学研究院 , 国家电网有限公司 , 国网江苏省电力有限公司 , 东南大学 , 国网江苏省电力有限公司扬州供电分公司 , 江苏省电力试验研究院有限公司
Inventor： 黄奇峰 , 卢树峰 , 徐敏锐 , 李志新 , 杨世海 , 陈文广 , 陈刚 , 成国锋 , 周赣 , 刘西昂 , 丁俊 , 徐欣 , 陆子刚 , 程思远 , 吴桥 , 程含渺 , 尧赣东
Abstract: 本发明公开了一种基于全网域证据集的电子式互感器可信度概率评估方法和装置，对电子式互感器高维数据集进行聚类，得到聚类后的电子式互感器高维数据集的不同簇，剔除噪声点数据；根据电子式互感器高维数据集和电子式互感器高维数据集的不同簇的可信度概率，输出为预测的可信度概率，对预先建立的XGBoost模型进行训练，得到训练好的XGBoost模型；将待评估电子式互感器高维数据集，输入训练好的XGBoost模型，得到预测的可信度概率，从而判断电子式互感器是否存在计量误差，在不依赖标准互感器的情况下，评估电子式互感器测量数据的可信度。
-
公开(公告)号：CN106501680B
公开(公告)日：2019-03-08
申请号：CN201611062685.8
申请日：2016-11-28
Applicant: 国网江苏省电力公司苏州供电公司 , 东南大学
IPC: G01R31/08
Abstract: 本发明涉及一种基于有功两段抬升的非侵入式微波炉启动辨识方法，包括以下步骤：一：按照设定的采样频率对户内电网的总电源进线的电压和电流进行采样；二：设定时间窗口；计算总电源进线处与时间窗口对应的平均有功功率值，平均有功功率值依次为构成平均有功功率序列的元素；三：根据平均有功功率序列计算由有功功率差分值构成的有功功率差分序列；四：根据有功功率差分序列判断是否出现两段有功功率抬升，再根据两段有功功率抬升增量特征的时间特征来判断户内电网中是否有微波炉启动，若没有电磁炉启动则返回步骤三。本发明充分考虑了微波炉启动时有功功率有规律抬升特点，增加了微波炉非侵入辨识的准确性。
-
公开(公告)号：CN106354479B
公开(公告)日：2019-01-29
申请号：CN201610664905.8
申请日：2016-08-12
Applicant: 东南大学
IPC: G06F9/38
Abstract: 本发明公开了一种大量同构稀疏矩阵的GPU加速QR分解方法，所述方法包括如下步骤：在CPU上对稀疏矩阵A1进行QR符号分解，得到Household变换矩阵V1和上三角矩阵R1的稀疏结构；对矩阵A1各列进行并行化分层，且A1～AN具有相同的稀疏结构V1、上三角矩阵稀疏结构R1和并行化分层结果；CPU将QR分解所需数据传输给GPU；任务分配和设备内存优化：将对矩阵A1～AN的QR分解任务分配到GPU上的大量线程中执行，并根据合并访问原则优化内存使用；GPU中计算分层QR分解内核函数Batch_QR。该方法利用CPU控制程序的流程，GPU处理密集浮点运算，可以大幅提高大量同构稀疏矩阵的QR分解速度。
-
公开(公告)号：CN106026107B
公开(公告)日：2019-01-29
申请号：CN201610592223.0
申请日：2016-07-26
Applicant: 东南大学
IPC: H02J3/06
Abstract: 本文公开了一种GPU加速的电力潮流雅可比矩阵的QR分解方法，所述方法包括：CPU中对雅可比矩阵J进行QR符号分解，得到Household变换矩阵V和上三角阵R阵的稀疏结构；根据R阵的稀疏结构，对矩阵J各列进行并行化分层；GPU中按层次递增的顺序计算分层QR分解内核函数SparseQR。本发明利用CPU控制程序的流程并处理基础数据和GPU处理密集的浮点运算相结合的模式提高了电力潮流雅可比矩阵QR分解的效率，解决了电力系统静态安全性分析中潮流计算耗时大的问题。
-
公开(公告)号：CN105426669B
公开(公告)日：2018-01-12
申请号：CN201510761700.7
申请日：2015-11-10
Applicant: 东南大学 , 无锡市恒通电器有限公司
IPC: G06F19/00
Abstract: 本发明公开了一种普通办公室用照明能效评分方法，主要包括以下步骤：统计灯具能效评价指标，包括光源光效指标、镇流器效率指标；通过照度计测量照度和显色指数，计算照明舒适度指标，包括平均照度、照度均匀度、显色指数三个评估指标；计算照明运行管理水平，包括照明功率密度和节能量两个评估指标；计算总体能效评分，并根据评估分数区间计算办公室照明的总体能效评估等级。本发明可输出能效分数和能效等级两种评估结果，通过能效等级可直观的看出系统的能效水平，同时具体的能效分数能精细分析照明能耗情况和节能水平。
-
Patent Agency Ranking
公开(公告)号：CN107392429A
公开(公告)日：2017-11-24
申请号：CN201710478882.6
申请日：2017-06-22
Applicant: 东南大学
CPC classification number: G06Q10/0637 , G06F17/12 , G06Q50/06 , G06T1/20
Abstract: 本发明公开了一种GPU加速的电力潮流下三角方程组前推方法，所述方法包括如下步骤：(1)CPU中根据雅可比矩阵的LU符号分解结果，即下三角变换矩阵L的稀疏结构，对下三角变换矩阵L各行进行并行化分层，并将计算所需数据传输至GPU；(2)GPU中按层次递增的顺序启动分层LU前推运算内核函数LUForward。本发明采用CPU和GPU结合的模式，由CPU控制整体流程并处理基础数据，GPU负责稀疏线性方程组的下三角变换矩阵分层前推运算，提高了电力潮流下三角方程组的LU前推运算效率，解决了电力系统运行分析中潮流计算耗时大的问题。
-
公开(公告)号：CN106501680A
公开(公告)日：2017-03-15
申请号：CN201611062685.8
申请日：2016-11-28
Applicant: 国网江苏省电力公司苏州供电公司 , 东南大学
IPC: G01R31/08
CPC classification number: G01R31/088
Abstract: 本发明涉及一种基于有功两段抬升的非侵入式微波炉启动辨识方法，包括以下步骤：一：按照设定的采样频率对户内电网的总电源进线的电压和电流进行采样；二：设定时间窗口；计算总电源进线处与时间窗口对应的平均有功功率值，平均有功功率值依次为构成平均有功功率序列的元素；三：根据平均有功功率序列计算由有功功率差分值构成的有功功率差分序列；四：根据有功功率差分序列判断是否出现两段有功功率抬升，再根据两段有功功率抬升增量特征的时间特征来判断户内电网中是否有微波炉启动，若没有电磁炉启动则返回步骤三。本发明充分考虑了微波炉启动时有功功率有规律抬升特点，增加了微波炉非侵入辨识的准确性。
-
公开(公告)号：CN106407158A
公开(公告)日：2017-02-15
申请号：CN201610814518.8
申请日：2016-09-12
Applicant: 东南大学
Abstract: 本发明公开了一种GPU加速的批处理同构稀疏矩阵乘满向量的处理方法，所述方法包括：(1)在CPU中将所有矩阵A1～Abs存储为行压缩存储格式；(2)CPU将GPU内核函数所需数据传输给GPU；程，并优化内存访问模式；(4)GPU中执行批处理同构稀疏矩阵乘满向量内核函数spmv_batch，调用内核函数来批处理并行计算同构稀疏矩阵乘满向量。本发明中CPU负责控制程序的整体流程和准备数据，GPU负责计算密集的向量乘法，利用批处理模式提高了算法并行度和访存效率，大幅降低了批量稀疏矩阵乘满向量的计算时间。(3)将矩阵A1～Abs的乘满向量任务分配给GPU线
-
公开(公告)号：CN106340884A
公开(公告)日：2017-01-18
申请号：CN201611062795.4
申请日：2016-11-28
Applicant: 国网江苏省电力公司苏州供电公司 , 东南大学
IPC: H02J3/14
CPC classification number: Y02B70/3225 , Y02B70/3266 , Y04S20/222 , Y04S20/242 , H02J3/14 , H02J2003/143
Abstract: 本发明涉及一种基于混合功率判据的非侵入式非变频冰箱启动辨识方法，包括以下步骤：一：对户内电网的总电源进线的电压和电流进行采样；二：设定时间窗口；计算总电源进线处与时间窗口对应的平均功率值，构成平均功率序列；三：扫描平均功率序列，计算其中的突变功率增量、突变前后稳态功率增量、突变功率增量与突变前后稳态功率增量的比值；四：根据突变功率增量、突变前后稳态功率增量、突变功率增量与突变前后稳态功率增量的比值，判断户内电网中是否有非变频冰箱启动，若没有非变频冰箱启动则返回步骤二。本发明可以准确有效快速地辨识非变频冰箱，具有简单、经济、易于推广应用等优点。
-
公开(公告)号：CN106157176A
公开(公告)日：2016-11-23
申请号：CN201610597129.4
申请日：2016-07-26
Applicant: 东南大学
CPC classification number: Y02D10/22 , Y02D10/36 , G06Q50/06 , G06F9/5027 , G06F2209/5018
Abstract: 本文公开了一种GPU加速的电力潮流雅可比矩阵的LU分解方法，包括CPU中对雅可比矩阵J进行LU符号分解，得到下三角变换矩阵L和上三角矩阵U矩阵的稀疏结构，符号分解之后的J的稀疏结构等于L+U；根据U阵的稀疏结构，对矩阵J各列进行并行化分层，并将计算所需数据传输给GPU；GPU中按层次递增的顺序计算分层LU分解内核函数SparseLU。本发明利用CPU控制程序的流程并处理基础数据和GPU处理密集的浮点运算相结合的模式提高了电力潮流雅可比矩阵LU分解的效率，解决了电力系统静态安全性分析中潮流计算耗时大的问题。
-
-
-
-
-
-
-
-
-
Search Results
121
records
(took 0.063 seconds)
