-
公开(公告)号：CN112909923A
公开(公告)日：2021-06-04
申请号：CN202110081952.0
申请日：2021-01-21
Applicant: 北京理工大学 , 国网新疆电力有限公司
Abstract: 本发明公开了一种基于DTW算法的非侵入式家居负荷行为识别的装置，包括用户进线口处统一安装的家用电能表和非侵入式负荷检测模块，所述非侵入式负荷检测模块包括依次连接的阙值设定模块、触发器、数据采集模块、家用电器负荷数据库、参考模板数据库、匹配模块以及分析模块；所述电能表的输出端连接于数据采集模块的输入端，所述非侵入式负荷检测模块的输出端连接有家用配电箱，所述家用配电箱电性连接有家用电器。本发明通过非侵入式负荷识别，可以使用户对家庭负荷消耗情况了如指掌，生成各家电负荷的用电账单。同时，这些数据上传到供电公司，便于供电公司对用户分类管理，实现客户的差异化服务。
-
公开(公告)号：CN114219118B
公开(公告)日：2024-11-22
申请号：CN202111229317.9
申请日：2021-10-21
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 国网新疆电力有限公司电力科学研究院 , 大连理工大学
IPC: G06F18/20 , G06F18/15 , G06F18/25 , G06F18/2132 , G06N3/0442 , G06N3/0464
Abstract: 本发明涉及一种D‑S证据理论的智能电表寿命预测方法及系统，其方法包括：步骤S1：对智能电表的样本集进行归一化处理，得到归一化智能电表样本集；步骤S2：定义智能电表的寿命区间范围；步骤S3：采用核‑费舍尔判别分析方法，对归一化智能电表样本集进行特征提取，得到特征向量；步骤S4：将特征向量分别输入卷积神经网络模型和长短时记忆神经网络模型，分别预测智能电表所属的寿命区间；步骤S5：利用D‑S证据理论，对两个网络模型预测得到的智能电表所属的寿命区间进行融合，获得最终智能电表的寿命预测结果。本发明公开的方法对智能电表数据进行归一化处理，简化数据处理流程；引入D‑S证据理论对两种网络模型输出结果进行融合，使得预测结果更为准确。
-
公开(公告)号：CN113011530A
公开(公告)日：2021-06-22
申请号：CN202110472639.X
申请日：2021-04-29
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 国网新疆电力有限公司电力科学研究院 , 大连理工大学
Abstract: 一种基于多分类器融合的智能电表故障预测方法，针对智能电表故障数据规模大、维度高、结构复杂、存在错误及异常数据的特点，采用正态分布补全及箱型图方法，对原始数据集进行缺失值填补及异常值替换；通过计算特征属性与故障类型之间的相关系数，消除冗余及不相关特征，形成特征子集；构建对少数样本过采样、对多数样本进行欠采样的混合采样策略，解决故障数据不平衡问题。计算支持向量机(SVM)、BP神经网络及随机森林算法处理智能电表故障数据的准确率，构建表征各分类器性能的混淆矩阵；考虑各分类器针对不同故障类型的识别能力，为各分类器分配权重，进而构建多分类器决策函数，取权重和最大的类别作为样本的故障预测结果。
-
公开(公告)号：CN113011530B
公开(公告)日：2023-04-07
申请号：CN202110472639.X
申请日：2021-04-29
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 国网新疆电力有限公司电力科学研究院 , 大连理工大学
IPC: G06F18/2411 , G06N3/04 , G06N3/084 , G06Q10/04 , G06Q50/06 , G06F18/241
Abstract: 一种基于多分类器融合的智能电表故障预测方法，针对智能电表故障数据规模大、维度高、结构复杂、存在错误及异常数据的特点，采用正态分布补全及箱型图方法，对原始数据集进行缺失值填补及异常值替换；通过计算特征属性与故障类型之间的相关系数，消除冗余及不相关特征，形成特征子集；构建对少数样本过采样、对多数样本进行欠采样的混合采样策略，解决故障数据不平衡问题。计算支持向量机(SVM)、BP神经网络及随机森林算法处理智能电表故障数据的准确率，构建表征各分类器性能的混淆矩阵；考虑各分类器针对不同故障类型的识别能力，为各分类器分配权重，进而构建多分类器决策函数，取权重和最大的类别作为样本的故障预测结果。
-
公开(公告)号：CN113359037A
公开(公告)日：2021-09-07
申请号：CN202110652603.X
申请日：2021-06-11
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 国网新疆电力有限公司电力科学研究院 , 大连理工大学
IPC: G01R31/367 , G01R31/378 , G06N3/04 , G06N3/08
Abstract: 一种基于BP神经网络的燃料电池故障诊断方法，首先对传感器采集的数据进行归一化处理，使其分布在[0,1]区间内；考虑到故障数据并不一定服从正态分布，引入Box‑Cox变换对数据进行正态化处理，采用线性判别分析对正态化数据进行特征提取以筛选故障特征，实现对故障数据的降维；将经过提取后的特征向量作为BP神经网络的输入层变量，燃料电池的故障类型作为输出层变量，引入“试探法”确定隐含层的最佳节点数，得到以故障类型为输出变量的诊断结果。
-
Patent Agency Ranking
公开(公告)号：CN109672195A
公开(公告)日：2019-04-23
申请号：CN201910061448.7
申请日：2019-01-23
Applicant: 国网新疆电力有限公司经济技术研究院 , 大连理工大学 , 国网宁夏电力有限公司电力科学研究院 , 国网新疆电力有限公司塔城供电公司 , 国家电网有限公司
IPC: H02J3/28
Abstract: 一种预装式储能电站的选址方法。其方法为：将同等容量的预装式储能电站分别接入含光伏电站的电网系统的母线处，并通过光伏电站出口的功率电压PV曲线对不同选址方案下的系统的光电消纳能力进行评估，对接入预装式储能电站前后全网电压的偏移值进行评估，对接入预装式储能电站后全网系统的网损进行评估，并分别赋予不同的权重系数，最后利用加权优化方法对上述的评估结果进行综合处理，构建最终的选址评估函数，对所有的选址方案的评估值进行搜索排序，选择评估值最高的一种选址方案作为预装式储能电站的最终选址方案。
-
公开(公告)号：CN109037631A
公开(公告)日：2018-12-18
申请号：CN201810829880.1
申请日：2018-07-25
Applicant: 国网新疆电力有限公司电力科学研究院 , 国网电力科学研究院武汉南瑞有限责任公司 , 国网新疆电力有限公司 , 国家电网有限公司
IPC: H01M4/36 , H01M4/485 , H01M4/62 , H01M10/0525
CPC classification number: H01M4/366 , H01M4/485 , H01M4/625 , H01M10/0525 , H01M2004/021
Abstract: 本发明涉及包覆型钛酸锂及其制备方法技术领域，是一种碳包覆钛酸锂及其制备方法，该碳包覆钛酸锂，是以蔗糖或者酚醛树脂为碳源，吸附到颗粒均匀的Li4Ti5O12∕C前躯体的表面上，在高温碳化之后转变成具有有序链结构的碳层，得到的碳包覆钛酸锂。本发明碳包覆钛酸锂的制备工艺简单，结合高温碳化法和水热法的优点，得到的复合材料碳包覆钛酸锂作为电极片时，具有优异的导电性能和高倍率性能，在2C速率下，放电容量为171.2mAh g‑1，在50次循环后，电极的容量保持率为83.4％，在锂离子储能电池领域具有广泛的应用前景。
-
公开(公告)号：CN114219118A
公开(公告)日：2022-03-22
申请号：CN202111229317.9
申请日：2021-10-21
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 国网新疆电力有限公司电力科学研究院 , 大连理工大学
Abstract: 本发明涉及一种D‑S证据理论的智能电表寿命预测方法及系统，其方法包括：步骤S1：对智能电表的样本集进行归一化处理，得到归一化智能电表样本集；步骤S2：定义智能电表的寿命区间范围；步骤S3：采用核‑费舍尔判别分析方法，对归一化智能电表样本集进行特征提取，得到特征向量；步骤S4：将特征向量分别输入卷积神经网络模型和长短时记忆神经网络模型，分别预测智能电表所属的寿命区间；步骤S5：利用D‑S证据理论，对两个网络模型预测得到的智能电表所属的寿命区间进行融合，获得最终智能电表的寿命预测结果。本发明公开的方法对智能电表数据进行归一化处理，简化数据处理流程；引入D‑S证据理论对两种网络模型输出结果进行融合，使得预测结果更为准确。
-
公开(公告)号：CN114968991B
公开(公告)日：2024-11-26
申请号：CN202210391251.1
申请日：2022-04-14
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 大连理工大学
IPC: G06F16/215 , G06F17/18 , G06N3/0464 , G06N3/08 , G06Q50/06
Abstract: 本发明涉及一种基于变点分组‑二步分位数与DCNN结合的风电数据恢复方法，根据异常数据的不同成因对数据形态进行划分；采集某风电场电表数据的风速‑功率数据样本构成集合；利用变点分组法进行数据清洗，剔除底部堆积型异常数据、中部堆积型异常数据和部分曲线周围分散型异常数据；利用二步分位数算法识别曲线上部堆积型异常数据和剩余的曲线周围分散型异常数据，将异常数据删除得到正常数据集；使用DCNN进行曲线优化，将部分时间点数据缺失的风速‑功率数据构成的曲线进行重构，得到无数据缺失的时间点的风机风速‑功率数据。本发明提升了恢复后风速‑功率数据构成曲线的准确性，保证后续研究数据分析的精度与模型建立的准度。
-
公开(公告)号：CN118970986A
公开(公告)日：2024-11-15
申请号：CN202411156262.7
申请日：2024-08-22
Applicant: 国网新疆电力有限公司喀什供电公司
IPC: H02J3/12 , H02J3/01 , H02J3/38 , G01R23/163 , G01R27/08 , G01R27/04 , G01R27/26 , G01R19/12 , G06F18/2131 , G06F18/25 , G06F18/10 , G06N7/01 , G06N20/00
Abstract: 本发明公开了一种新能源高渗透电网下考虑线路阻抗的电压特性分析方法，包括采集实时电压信号和电流信号，并对其进行预处理，再进行多维度预定次谐波提取，得到多维度谐波分量；计算得到复数阻抗估计值；调用预配置的可信度评估模型，得到线路电感估计值；获取系统短路容量参数，计算得到电网电压变化量；进行时间序列分析和多尺度分解，得到波动趋势和周期性特征；采用模糊逻辑和预测性分析方法，评估越限风险等级并发出预警；构建层次分析模型，计算稳定性指标的权重，采用模糊综合评判方法进行综合稳定性评估，得到稳定性评估的结果。本发明能够有效、准确地分析新能源高渗透电网的电压特性，为电网运营商提供了全面、精确、实时的决策支持。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.17 seconds)
