-
公开(公告)号：CN105826848B
公开(公告)日：2018-03-27
申请号：CN201610262720.4
申请日：2016-04-25
IPC分类号： H02B5/01
摘要： 本公开揭示了一种发电站接地网，属于电气领域。所述发电站接地网包括：电网侧接地网和发电站侧接地网；所述电网侧接地网与升压主变压器的中性点的接地点电连接，所述电网侧接地网与第一设备的接地点电连接，所述第一设备包括与电网直接连接的设备；所述发电站侧接地网与第二设备的接地点电连接，所述第二设备包括工作电源由发电站提供的设备；所述电网侧接地网与所述发电站侧接地网之间无电连接。减轻了地电流对发电站升压主变压器的危害，达到了提高电网和发电站安全性的效果。
-
公开(公告)号：CN105826848A
公开(公告)日：2016-08-03
申请号：CN201610262720.4
申请日：2016-04-25
IPC分类号： H02B5/01
CPC分类号： H02B5/01
摘要： 本公开揭示了一种发电站接地网，属于电气领域。所述发电站接地网包括：电网侧接地网和发电站侧接地网；所述电网侧接地网与升压主变压器的中性点的接地点电连接，所述电网侧接地网与第一设备的接地点电连接，所述第一设备包括与电网直接连接的设备；所述发电站侧接地网与第二设备的接地点电连接，所述第二设备包括工作电源由发电站提供的设备；所述电网侧接地网与所述发电站侧接地网之间无电连接。减轻了地电流对发电站升压主变压器的危害，达到了提高电网和发电站安全性的效果。
-
公开(公告)号：CN106450824B
公开(公告)日：2018-12-18
申请号：CN201610912758.1
申请日：2016-10-19
IPC分类号： H01R4/66
摘要： 本发明公开了一种接地网，属于电气领域。所述接地网包括：骨干网和至少一组接地极，每组接地极包括至少一个接地极，至少一组接地极分别连接在骨干网的不同位置上，且均位于骨干网的下方，骨干网设置在建筑下方，骨干网与周围的土壤绝缘，接地网通过接地极放电，骨干网上设置有至少一个连接点，用于与电气设备连接，至少一组接地极中的每个接地极设置于接地井中。通过在骨干网下方设置至少一组接地极，至少一组接地极中的每个接地极均设置在接地井中，并且使骨干网与周围的土壤绝缘，使得接地网只能通过接地极在接地井中进行放电，也即是在地下深处进行放电，避免了在地面形成跨步电压，不会对地面上的行人造成危险，提高了接地网的安全性。
-
公开(公告)号：CN106450824A
公开(公告)日：2017-02-22
申请号：CN201610912758.1
申请日：2016-10-19
IPC分类号： H01R4/66
CPC分类号： H01R4/66
摘要： 本发明公开了一种接地网，属于电气领域。所述接地网包括：骨干网和至少一组接地极，每组接地极包括至少一个接地极，至少一组接地极分别连接在骨干网的不同位置上，且均位于骨干网的下方，骨干网设置在建筑下方，骨干网与周围的土壤绝缘，接地网通过接地极放电，骨干网上设置有至少一个连接点，用于与电气设备连接，至少一组接地极中的每个接地极设置于接地井中。通过在骨干网下方设置至少一组接地极，至少一组接地极中的每个接地极均设置在接地井中，并且使骨干网与周围的土壤绝缘，使得接地网只能通过接地极在接地井中进行放电，也即是在地下深处进行放电，避免了在地面形成跨步电压，不会对地面上的行人造成危险，提高了接地网的安全性。
-
公开(公告)号：CN118381001A
公开(公告)日：2024-07-23
申请号：CN202410457425.9
申请日：2024-04-16
申请人： 青海黄河矿业有限责任公司 , 国核电力规划设计研究院有限公司
摘要： 本发明涉及电力预测技术领域，特别涉及一种矿山能源电负荷预测方法及装置。本发明对矿山能源电负荷数据采用聚类算法去除异常值，得到处理数据；基于处理数据，使用双向长短时记忆网络Bi‑LSTM构建用于预测矿山能源电负荷的深度学习模型；深度学习模型通过反向传播算法进行训练，使用Huber损失函数判断深度学习模型训练进度，训练完成后得到已训练深度学习模型；实时采集矿山能源电负荷数据，输入到已训练深度学习模型得到矿山能源电负荷预测。通过对矿山能源电负荷的准确预测，可使有关决策者对矿山的能源使用情况提前做出调度决策，有助于优化生产过程，降低生产成本，并提高效率。
-
公开(公告)号：CN113033898A
公开(公告)日：2021-06-25
申请号：CN202110328339.4
申请日：2021-03-26
申请人： 国核电力规划设计研究院有限公司
摘要： 本发明公开了一种基于k均值聚类与BI‑LSTM神经网络的电负荷预测方法及系统，通过k均值聚类对历史电负荷数据进行预处理；通过聚类模型用同种影响因素作用下的历史电负荷数据作为原始数据来预测在相同影响因素的条件下未来某一时间段的电负荷，预测得到的数据更接近现实情况下的真实数据，预测可靠性高；另外一方面；建立BI‑LSTM神经网络模型对数据进行处理，利用历史数据对当下进行预测，并通过考虑未来的情况来对当前状态进行预测，不仅考虑了基本的LSTM神经网络，还降低了超参数优化模型对于各个叠加层形成的影响，从而提高了预测精度。
-
公开(公告)号：CN111077868A
公开(公告)日：2020-04-28
申请号：CN201911399006.X
申请日：2019-12-30
申请人： 国核电力规划设计研究院有限公司
IPC分类号： G05B19/418
摘要： 本发明提供了一种智慧电厂管控系统，包括：设备终端层、数据平台层、智能分析层和业务应用层；设备终端层用于采集智慧电厂的作业数据信息和向智慧电厂的设备下发控制指令；数据平台层用于存储所述作业数据信息；智能分析层用于接收所述作业数据信息，对所述作业数据信息进行分析处理，根据分析处理的结果向所述设备终端层下发控制指令；业务应用层用于对分析处理后的所述作业数据信息进行应用，本申请中的智慧电厂管控系统实现生产运行智能监控和控制，提高了系统的智慧化程度。
-
公开(公告)号：CN117684214A
公开(公告)日：2024-03-12
申请号：CN202311552054.4
申请日：2023-11-20
申请人： 吉林电力股份有限公司 , 国核电力规划设计研究院有限公司
IPC分类号： C25B15/02 , G06N3/006 , C25B15/023 , C25B9/65 , C25B1/04
摘要： 本公开提出一种电解水制氢系统的控制方法、装置、电子设备及存储介质，电解水制氢系统的控制方法被线性自抗扰控制器执行，方法包括：获取新能源电力系统在第一时间段内的第一输出功率，及第二时间段内电解水制氢系统的第二输出功率，其中，第一时间段在第二时间段之后，并根据第二输出功率，确定线性自抗扰控制器的多个初始参数，再确定与每个初始参数对应的目标参数，再将线性自抗扰控制器的初始参数更新为目标参数，再在第一时间段内根据第一输出功率，控制电解水制氢系统运行，由此，能够基于线性自抗扰控制器有效地抵抗外界干扰，保障电解水制氢系统氢气产出速率稳定，提高氢气生产的稳定性和质量。
-
公开(公告)号：CN113298298B
公开(公告)日：2023-12-29
申请号：CN202110507429.X
申请日：2021-05-10
申请人： 国核电力规划设计研究院有限公司
摘要： 本发明公开了一种充电桩短期负荷预测方法及其系统，所述预测方法包括以下步骤：从数据库中取出一定时间段内的实际负荷历史数据和多种预测方法得出的预测数据；根据实际负荷历史数据和所述预测数据分别计算多种预测方法预测负荷的误差E；比较多种所述预测方法预测负荷的误差E：切换到所述误差E最小的预测方法。通过本发明可以在不同场景下选择不同的负荷预测方法，提高预测的准确性。(56)对比文件惠恩.电动汽车充电负荷的预计及其对小区供电的影响分析.中国优秀硕士学位论文全文数据库工程科技Ⅱ辑.2019,(第7期),C035-280.Gao Qiang 等.Charging LoadForecasting of Electric Vehicle Based onMonte Carlo and Deep Learning.2019 IEEESustainable Powder and Energy Conference(iSPEC).2020,1309-1314.沈渊彬;刘庆珍.电力系统短期负荷预测研究概述.电器与能效管理技术.2016,(04),28-32.朱慧婷;杨雪;陈友媛.电动汽车充电负荷预测方法综述.电力信息与通信技术.2016,(05),44-47.
-
公开(公告)号：CN113312836A
公开(公告)日：2021-08-27
申请号：CN202110506041.8
申请日：2021-05-10
申请人： 国核电力规划设计研究院有限公司
摘要： 本发明公开了一种短期风速预测方法，包括以下步骤：利用K‑medoids聚类算法对风电机组进行场景聚类，获得多个等效风机；构建LSTM模型，通过LSTM模型对多个等效风机进行训练，获得风速的初步预测值；利用混合Copula函数建立多个等效风机间的函数关系，利用遗传算法求解混合Copula函数中的参数；通过多个等效风机的风速边缘分布值和混合Copula函数，求出风速的残差值；通过风速的初步预测值和残差值，得到风速的精确预测值；利用K‑medoids聚类算法将风电场内的风机分类，获得等效风机，降低了风速的随机性，对等效风机利用混合Copula函数进行建模，之后与长短期网络相结合，提高了风速预测的精度。
-
-
-
-
-
-
-
-
-
搜索结果
33 条记录 (耗时 0.087 秒)
