-
公开(公告)号：CN115204360A
公开(公告)日：2022-10-18
申请号：CN202210654798.6
申请日：2022-06-10
申请人： 南京有嘉科技有限公司 , 南京苏逸实业有限公司 , 南京工业大学
IPC分类号： G06N3/04 , G06N3/08 , G06Q10/04 , G06Q50/06 , G06F16/245 , G06F16/215
摘要： 本发明公开一种基于深度学习的家庭用户用电量预测方法，包括以下步骤：步骤1：获取家庭各用电设备日用电量数据、气象数据和日期类型数据；步骤2：对日用电量数据进行数据预处理；步骤3：根据预处理后的日用电量数据、气象数据和日期类型数据导入RNN建立家庭用户各用电设备用电量预测模型，用户日用电量数据为被预测量；步骤4：将待预测日的气象数据和日期类型数据输入用电量预测模型，得到待预测日所需的日用电量预测值。本发明预测方法采用了深度学习算法RNN，能精确预测家庭用户用电量的需求。
-
公开(公告)号：CN115112949A
公开(公告)日：2022-09-27
申请号：CN202210653779.1
申请日：2022-06-10
申请人： 南京有嘉科技有限公司 , 南京苏逸实业有限公司 , 南京工业大学
IPC分类号： G01R22/10
摘要： 本发明涉及用电设备领域，尤其涉及一种用电设备的电量采集装置，其特征在于：其包括电压电流采集模块、放大滤波模块、模数转换模块、电量处理模块、电量显示模块和数据传输模块；电压电流采集模块与用电设备的主板连接用于采集用电设备的电流电压信号，放大滤波模块与电压电流采集模块连接，模数转换模块与放大滤波模块连接，电量处理模块与模数转换模块连接，电量显示模块和电量处理模块连接，数据传输模块与电量处理模块连接。本发明可针对单个用电设备实行电量统计，并将电量数据最终通过电量显示模块显示及通过数据传输模块上传至云端，准确度高。
-
公开(公告)号：CN217931804U
公开(公告)日：2022-11-29
申请号：CN202221455185.1
申请日：2022-06-10
申请人： 南京有嘉科技有限公司 , 南京苏逸实业有限公司 , 南京工业大学
IPC分类号： G01R22/10
摘要： 本实用新型涉及用电设备领域，尤其涉及一种用电设备的电量采集装置，其特征在于：其包括电压电流采集模块、放大滤波模块、模数转换模块、电量处理模块、电量显示模块和数据传输模块；电压电流采集模块与用电设备的主板连接用于采集用电设备的电流电压信号，放大滤波模块与电压电流采集模块连接，模数转换模块与放大滤波模块连接，电量处理模块与模数转换模块连接，电量显示模块和电量处理模块连接，数据传输模块与电量处理模块连接。本实用新型可针对单个用电设备实行电量统计，并将电量数据最终通过电量显示模块显示及通过数据传输模块上传至云端，准确度高。
-
公开(公告)号：CN115577522A
公开(公告)日：2023-01-06
申请号：CN202211212917.9
申请日：2022-09-29
申请人： 南京工业大学 , 南京有嘉科技有限公司
摘要： 本发明涉及能源供给领域，尤其涉及一种家庭用户能源供需优化方法及系统，其特征在于：优化方法，包括：步骤1：获取家庭用户能源数据；步骤2：对家庭用户能源数据进行归一化处理；步骤3：基于神经网络构建预测模型并利用深度学习算法对预测模型进行训练；根据训练好的预测模型预测能源信息、能源风险等级、用户调整的能源消耗量；步骤4：将能源风险等级反馈给用户便于用户对能源消耗进行调整。本发明提高能源供需问题的准确性与实时性，降低消耗。
-
公开(公告)号：CN116090631A
公开(公告)日：2023-05-09
申请号：CN202310012463.9
申请日：2023-01-05
申请人： 南京工业大学
IPC分类号： G06Q10/04 , G06Q50/06 , G06F18/214
摘要： 一种结合灾前预警机制的电力系统韧性增强方法，收集发生异常天气前电力设备的各项历史参数数据，异常天气的各项历史气象数据，以及对应的异常天气过后电力设备的受损程度数据，训练得到一个预测模型，用于预测电力设备的灾后受损情况，以此在极端天气来临前对电力设备展开针对性的紧急检修或加固，从而减小极端天气对电力系统的影响，增强电力系统的韧性。本发明实现了电力设备的灾前预警，有效降低极端天气对电力设备的损害，为灾后恢复策略的实施提供了重要参考，并能快速对大量电力设备进行同时预测分析，充分且高效地利用了宝贵的灾前预防时间，可以有针对性地增强电力系统的总体韧性。
-
公开(公告)号：CN115965150A
公开(公告)日：2023-04-14
申请号：CN202310012475.1
申请日：2023-01-05
申请人： 南京工业大学
IPC分类号： G06Q10/04 , G06Q50/06 , G06F18/214 , G06N3/0464 , H02J3/00
摘要： 一种基于权重分配的电力负荷预测方法，将历史负荷样本数据归一化，通过权重值理论得到电力负荷相关的不同影响因素的权重值，并输出剔除影响因素的负荷时间序列，将负荷时间序列通过小波分解为多个平稳子序列，在标准化残差卷积网络中训练，并由局部attention预测得到预测后的子序列，再通过序列重构得到预测后的时间序列，最后由权重值引入影响因素得到预测负荷数据。本发明的权重值一方面能显示出不同负荷影响因素对于负荷预测结果的贡献，使得预测模型能够在大量外在因素干扰下也能精确预测出结果，提升整个预测模型的泛化能力，另一方面，引入权重值还能仿真环境影响，便于对极端环境下的电力负荷的预测，做好电力系统的能源分配。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.041 秒)
