-
公开(公告)号：CN114778767A
公开(公告)日：2022-07-22
申请号：CN202210356828.5
申请日：2022-04-06
Applicant: 中国电力科学研究院有限公司
Abstract: 本发明属于电力自动化技术领域，公开一种碳排放园区直接碳排放连续测量方法、装置、设备及介质，所述方法，包括：采集园区周边地面CO2分布图；采集园区CO2直接排放关联参数；将所述步骤园区周边地面CO2分布图、园区CO2直接排放关联参数输入训练好的融合了卷积网络以及全连接网络的BP神经网络，获得园区直接碳排放的实时测量结果。本发明通过采集高碳排放工业园区周边地面CO2实时浓度数据，厂区主要生产指标，厂区温度、风力，以及厂区上空二氧化碳浓度卫星监测数据，通过改进的融合了卷积网络以及全连接网络的BP神经网络，实现对高碳排放园区直接碳排放的连续实时监测。
-
Patent Agency Ranking
公开(公告)号：CN116014715A
公开(公告)日：2023-04-25
申请号：CN202211615416.5
申请日：2022-12-15
Applicant: 中国电力科学研究院有限公司 , 国网吉林省电力有限公司 , 国网吉林省电力有限公司电力科学研究院 , 国家电网有限公司
Abstract: 本发明属于数字孪生技术领域，公开一种基于数字孪生的综合能源控制方法及系统，所述方法，包括：基于综合能源物理系统构建综合能源系统数字孪生体；从综合能源系统数字孪生体进行数据同步并采样得到当前时刻可再生能源功率输出、综合能源负荷预测以及电池荷电状态，输入预先训练好的DQN模型，获得储能策略；输出所述储能策略给综合能源物理系统。本发明基于数据和机理融合的方式构建了综合能源系统的数字孪生体模型，为深度强化学习算法提供了与物理系统同步演化更新的学习环境，解决了传统综合能源系统运行所面临的模型简化、源荷不确定性所带来的优化决策困难问题。
-
公开(公告)号：CN115189348A
公开(公告)日：2022-10-14
申请号：CN202210790414.3
申请日：2022-07-06
Applicant: 中国电力科学研究院有限公司 , 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司
Abstract: 本发明属于电力负荷预测技术领域，特别公开一种日前综合用能尖峰负荷智能预测方法、装置、设备及介质；所述方法包括：获取目标区域前X天的负荷序列、温度序列、湿度序列及积温指数序列；将获取的目标区域前X天的负荷序列、温度序列、湿度序列及积温指数序列输入预先建立的混合神经网络，获得目标区域次日的最大负荷、平均负荷、最小负荷的预测数值；输出所述目标区域次日的最大负荷、平均负荷、最小负荷的预测数值。本发明利用循环神经网络和全连接网络的混合神经网络，考虑温度、湿度、温度积累效应的气象因素，对区域综合能源电、热、气总用能负荷进行精确预测；提升综合能源利用安全性和运行效率。
-
公开(公告)号：CN114778767B
公开(公告)日：2024-03-19
申请号：CN202210356828.5
申请日：2022-04-06
Applicant: 中国电力科学研究院有限公司
IPC: G01N33/00 , G06N3/0464 , G06N3/084
Abstract: 本发明属于电力自动化技术领域，公开一种碳排放园区直接碳排放连续测量方法、装置、设备及介质，所述方法，包括：采集园区周边地面CO2分布图；采集园区CO2直接排放关联参数；将所述步骤园区周边地面CO2分布图、园区CO2直接排放关联参数输入训练好的融合了卷积网络以及全连接网络的BP神经网络，获得园区直接碳排放的实时测量结果。本发明通过采集高碳排放工业园区周边地面CO2实时浓度数据，厂区主要生产指标，厂区温度、风力，以及厂区上空二氧化碳浓度卫星监测数据，通过改进的融合了卷积网络以及全连接网络的BP神经网络，实现对高碳排放园区直接碳排放的连续实时监测。
-
公开(公告)号：CN119783749A
公开(公告)日：2025-04-08
申请号：CN202411992652.8
申请日：2024-12-31
Applicant: 中国电力科学研究院有限公司
Abstract: 本发明属于电热耦合系统建模技术领域，公开了一种用于电热耦合动态能流计算的PINN模型构建方法及相关装置；其中，所述PINN模型构建方法包括：获取电热耦合支路模型；构建一个深度神经网络作为PINN模型的主体，所述深度神经网络用于输入所述电热耦合支路模型中的相关电热输入参数，输出预测的电热耦合动态能流结果；采用预获取的训练数据集，基于定义的损失函数对所述PINN模型进行训练，达到预设收敛条件后，获得构建好的用于电热耦合动态能流计算的PINN模型。本发明公开的技术方案中，通过专门的参数训练网络来计算PINN模型损失函数中各约束规则的权重值，能够提升对于偏微分方程组的求解精度。
-
公开(公告)号：CN115204288A
公开(公告)日：2022-10-18
申请号：CN202210822002.3
申请日：2022-07-13
Applicant: 中国电力科学研究院有限公司 , 国网天津市电力公司电力科学研究院 , 国网天津市电力公司 , 国家电网有限公司
Abstract: 本发明属于用户用电负荷数据聚合分析领域，公开一种用电负荷数据聚合分析方法、装置、设备及介质；所述方法包括：获取待聚合用电负荷数据，进行降维，获得负荷样本；采用若干单一聚类方法处理所述负荷样本，获得若干单一聚类集合；将所述若干单一聚类集合集成形成基聚类的结果矩阵；运用遗传算法对预设的目标函数进行迭代求解，每次迭代后根据目标函数的计算结果对基聚类的结果矩阵进行优化、组合、超越操作，当迭代次数达到预设最大迭代次数后，遗传算法终止，输出最终聚类结果。本发明利用遗传算法能够很好的集成用户用电负荷数据的多种单一聚类结果，获得数据聚合分析更稳健和稳定的结果。
-
-
-
-
-
Search Results
6
records
(took 0.03 seconds)
