-
公开(公告)号：CN110705738A
公开(公告)日：2020-01-17
申请号：CN201910743474.8
申请日：2019-08-13
申请人： 合肥工业大学
摘要： 本发明提供一种基于人工智能的智能用电激励需求响应方法和系统，涉及用电技术领域。本发明通过基于深度神经网络的预测模型预测预设的未来时间段内的电力批发价格、光伏输出功率和电力用户负荷，再将预测得到的数据输入到需求响应模型的目标函数中，得到预设的未来时间段内各电力用户的最优的激励率。本发明通过基于深度神经网络的预测模型预测电力批发价格、光伏输出功率、电力用户负荷，能够提升预测模型的精度，同时克服了环境的不确定性，提高了基于电力批发价格和电力用户负荷获取的最优激励率的准确度。从而有助于提高能源服务商的利润，减少电力用户用电成本，促进电力供需平衡，提高电力系统可靠性。
-
公开(公告)号：CN108876132A
公开(公告)日：2018-11-23
申请号：CN201810580433.7
申请日：2018-06-07
申请人： 合肥工业大学
摘要： 本发明的一种基于云的工业企业能效服务推荐方法及系统，涉及电力技术领域。可解决工业用电服务策略不能根据不同企业的实际情况进行差异化用电策略推荐的技术问题。包括以下步骤：S101:对不同用户的用电设备进行实时采集用电信息；S102:将采集到的用电信息数据生成用电数据序列进行分布式数据存储；S103:经过云端数据处理，对用户历史用电进行趋势分析，预测用户用电情况，针对影响用电水平的因素，生成最终用电策略；S104:通过人机交互，将最终用电策略推荐给用户。本发明能根据不同用户的实际情况进行差异化用电策略推荐，最大程度提高用户接受度，以较低的成本，实现电力需求侧管理的改善，实现电力资源的合理配置，节约能源，降低能耗。
-
公开(公告)号：CN108416695A
公开(公告)日：2018-08-17
申请号：CN201810157119.8
申请日：2018-02-24
申请人： 合肥工业大学
摘要： 本发明提供一种基于深度学习的电力负荷概率密度预测方法和系统、存储介质，涉及用电技术领域。方法包括：S101、采集在预设历史时间段内用户的电力负荷数据、气象数据以及空气质量数据，并将采集到的数据划分为训练集和测试集；S102、确定用于进行电力负荷预测的深度学习模型；S103、将测试集输入用于进行电力负荷预测的深度学习模型，得到用户在第三时间区间内不同分位点下的电力负荷预测数据；S104、进行核密度估计得到用户在第三时间区间内电力负荷的概率密度曲线。本发明基于较高准确率的电力负荷预测数据进行核密度估计，进而得到较高准确率的概率密度曲线，从而得知用户在未来时间段内电力负荷的概率分布情况。
-
公开(公告)号：CN108416509A
公开(公告)日：2018-08-17
申请号：CN201810130412.5
申请日：2018-02-08
申请人： 合肥工业大学
摘要： 本发明提供一种工业企业的电力能耗需求响应方法和系统、存储介质，方法包括：采集工业企业中多个能耗设备在预设历史时间段内的负荷特性数据；采用预设神经网络进行深度学习，得到该能耗设备在预设未来时间段内的预测电力负荷；确定工业企业在预设未来时间段内的预测总电力负荷；进行工业企业-电力公司的双方非合作博弈，得到电力公司对工业企业的期望需求负荷；对各个能耗设备各自的预测电力负荷进行调整，得到各个能耗设备各自在预设未来时间段内的优化电力负荷；根据各个能耗设备各自的优化电力负荷，确定工业企业的用电安排策略，并向电力公司进行需求响应。本发明能够打破工业企业和电力公司之间信息不对称的壁垒，尽量实现双方利益最大化。
-
公开(公告)号：CN107067191A
公开(公告)日：2017-08-18
申请号：CN201710354201.5
申请日：2017-05-18
申请人： 合肥工业大学
CPC分类号： G06Q10/06315 , G06Q30/0208 , G06Q30/0236 , G06Q50/06
摘要： 本发明涉及一种智能电网环境下基于云的激励需求响应方法和系统，该方法包括：S1、确定领导者的目标函数和约束条件；确定每一位跟随者的目标函数和约束条件；以及对优惠券激励价格进行初始化；S2、求解下层优化问题，得到每一位居民用户的最优电力需求量；S3、将每一位居民用户的最优电力需求量累加求和得到最优需求总量，求解上层优化问题，得到最优优惠券激励价格；判断当前是否达到博弈均衡状态，若是，将最优优惠券激励价格和最优需求总量发送至负荷服务实体子系统；否则，将最优优惠券激励价格作为当前的优惠券激励价格，并返回S2。本发明能够提高负荷服务实体的收益，降低居民用户的用电成本，提高居民用户参与需求响应项目的积极性。
-
公开(公告)号：CN112101756B
公开(公告)日：2022-09-30
申请号：CN202010911359.X
申请日：2020-09-02
申请人： 合肥工业大学
摘要： 本发明提供了一种数据驱动的多能互补能量枢纽负荷优化调度方法和系统，涉及负荷优化调度技术领域。提出的能量枢纽负荷优化调度的线性优化模型考虑了能量枢纽的运行成本和CO2排放治理成本，有利于能量枢纽污染排放的减少。考虑了电、气、热、氢的多能互补，提高了能源系统运行的灵活性和经济性。并通过数据驱动的方法来处理可再生能源的不确定性，提出的数据驱动的能量枢纽负荷优化调度方法与随机规划方法相比，在处理可再生能源出力不确定性方面具有更好的鲁棒性；而与传统的鲁棒优化方法相比，本发明提出的方法更好地实现了能量枢纽负荷优化调度的经济性，很好地平衡了能源系统经济性和鲁棒性之间的矛盾。
-
公开(公告)号：CN110705738B
公开(公告)日：2022-03-22
申请号：CN201910743474.8
申请日：2019-08-13
申请人： 合肥工业大学
摘要： 本发明提供一种基于人工智能的智能用电激励需求响应方法和系统，涉及用电技术领域。本发明通过基于深度神经网络的预测模型预测预设的未来时间段内的电力批发价格、光伏输出功率和电力用户负荷，再将预测得到的数据输入到需求响应模型的目标函数中，得到预设的未来时间段内各电力用户的最优的激励率。本发明通过基于深度神经网络的预测模型预测电力批发价格、光伏输出功率、电力用户负荷，能够提升预测模型的精度，同时克服了环境的不确定性，提高了基于电力批发价格和电力用户负荷获取的最优激励率的准确度。从而有助于提高能源服务商的利润，减少电力用户用电成本，促进电力供需平衡，提高电力系统可靠性。
-
公开(公告)号：CN108416695B
公开(公告)日：2020-07-07
申请号：CN201810157119.8
申请日：2018-02-24
申请人： 合肥工业大学
摘要： 本发明提供一种基于深度学习的电力负荷概率密度预测方法和系统、存储介质，涉及用电技术领域。方法包括：S101、采集在预设历史时间段内用户的电力负荷数据、气象数据以及空气质量数据，并将采集到的数据划分为训练集和测试集；S102、确定用于进行电力负荷预测的深度学习模型；S103、将测试集输入用于进行电力负荷预测的深度学习模型，得到用户在第三时间区间内不同分位点下的电力负荷预测数据；S104、进行核密度估计得到用户在第三时间区间内电力负荷的概率密度曲线。本发明基于较高准确率的电力负荷预测数据进行核密度估计，进而得到较高准确率的概率密度曲线，从而得知用户在未来时间段内电力负荷的概率分布情况。
-
公开(公告)号：CN110689398A
公开(公告)日：2020-01-14
申请号：CN201910807479.2
申请日：2019-08-29
申请人： 合肥工业大学
摘要： 本发明提供一种基于区块链的居民微电网电力交易管理系统，涉及智能用电技术领域。本发明的系统包括若干个居民购售电模块、信用管理模块、智能合约模块、数据加密模块和基础网络模块，若干个居民购售电模块通过基础网络模块实现电力交易。与现有的电力交易管理系统相比，本发明引入信用管理模块，当用户违约时会以增加该用户等待时间的方式降低订单优先级，对其进行惩罚，提高违约成本，保障电力成功交易，提高交易效率和系统稳定性。
-
公开(公告)号：CN109032087A
公开(公告)日：2018-12-18
申请号：CN201810738659.5
申请日：2018-07-06
申请人： 合肥工业大学
IPC分类号： G05B19/418
CPC分类号： G05B19/41885 , G05B2219/32339
摘要： 本发明实施例涉及一种工业生产设备能耗状态诊断与节能评估方法及系统，该方法包括：每隔预设时长监测工业生产设备当前的状态，将本次监测到的状态确定为所述工业生产设备在当前的时间区间的状态；根据所述工业生产设备在多个连续的时间区间的状态，确定多个时间子区间；获取所述工业生产设备在每个时间子区间的能耗监测数据，并确定所述工业生产设备在每个时间子区间的平均能耗；预设所述工业生产设备能耗分析的时间区间，生成所述工业生产设备的能耗统计分析报告；对所述工业生产设备的能耗状态进行诊断，将诊断结果发送给工业生产设备能耗状态监控界面；确定所述工业生产设备的单位产品能耗，对所述工业生产设备进行节能评价。
-
-
-
-
-
-
-
-
-
搜索结果
49 条记录 (耗时 0.026 秒)
