一种变电站接口质量偏差控制方法

    公开(公告)号:CN109871629A

    公开(公告)日:2019-06-11

    申请号:CN201910145153.8

    申请日:2019-02-27

    Abstract: 本发明公开了一种变电站接口质量偏差控制方法,对变电站一次设备、二次设备、土建系统(包括钢结构)不同系统接口的分界点进行归类及定义;采用BIM对上述的分界接口进行所见所得的建模,对接口部分容易出现偏差部分进行校正;对建模及校正后的加工图纸及施工图纸进行数字化二维码编码,该二维码编码作为各接口部件设计、生产、安装的整个生命周期的唯一标识。本发明的变电站接口质量偏差控制方法,可以实现变电站不同接口的质量偏差的控制、敏捷化安装。

    一种基于Prophet-LSTM模型的SF6设备气体压力预测方法

    公开(公告)号:CN114065667B

    公开(公告)日:2022-09-13

    申请号:CN202111391722.0

    申请日:2021-11-19

    Abstract: 本发明涉及一种基于Prophet‑LSTM模型的SF6设备气体压力预测方法,包括以下步骤:采集SF6电气设备运行时的数据并进行预处理,将数据归一化后分为训练集和测试集;把训练集的数据分别通过Prophet模型和贝叶斯优化的LSTM(长短期记忆网络)模型进行训练;将Prophet模型、LSTM模型的训练集预测结果及训练集真实数据输入至最优权重系数获取模块,得到两个模型的组合权重;输入测试集数据至组合模型,根据测试集预测结果与测试集真实数据检验组合模型的预测性能;最后将完善的组合预测模型用于SF6压力预测。本发明将Prophet‑LSTM模型应用于SF6电气设备中压力值的预测,有助于通过气体压力值判断设备中可能存在的过热类故障和泄露故障,起到预警的作用。

    一种太阳能电池板阵列多目标优化设计方法

    公开(公告)号:CN106202705B

    公开(公告)日:2019-04-16

    申请号:CN201610534472.4

    申请日:2016-07-08

    Abstract: 本发明涉及一种太阳能电池板阵列多目标优化设计方法,通过综合考虑两次最长连续阴雨天数及其最短间隔天数,可有效保证设备在阴雨时期设备的供电可靠性;通过单体太阳能电池板价格、太阳能电池板串并联数、太阳能电池板在正常生命周期内的潜在故障概率和连接线缆潜在故障概率求取阵列总成本和阵列潜在故障概率,对阵列经济性和供电可靠性有一定评价,综合考虑太阳能电池板阵列经济性和供电可靠性,进一步求取阵列综合系数,选取阵列综合系数最小值为最优设计方案,可有效提高太阳能电池板阵列的综合性能。与现有技术相比,本发明具有成本低,供电可靠性高等优点。

    一种蓄电池阵列多目标优化设计方法

    公开(公告)号:CN106684468B

    公开(公告)日:2018-11-13

    申请号:CN201610534390.X

    申请日:2016-07-08

    Abstract: 本发明涉及一种蓄电池阵列多目标优化设计方法,通过综合考虑两次最长连续阴雨天数及其最短间隔天数,可有效保证设备在阴雨时期设备的供电可靠性;通过单体蓄电池价格、蓄电池串并联数、蓄电池在正常生命周期内的潜在故障概率和连接线缆潜在故障概率求取阵列总成本和阵列潜在故障概率,对阵列经济性和供电可靠性有一定评价,综合考虑蓄电池阵列经济性和供电可靠性,进一步求取阵列综合系数,选取阵列综合系数最小值为最优设计方案,可有效提高蓄电池阵列的综合性能。与现有技术相比,本发明具有成本低,供电可靠性高等优点。

    一种基于Prophet-LSTM模型的SF6设备气体压力预测方法

    公开(公告)号:CN114065667A

    公开(公告)日:2022-02-18

    申请号:CN202111391722.0

    申请日:2021-11-19

    Abstract: 本发明涉及一种基于Prophet‑LSTM模型的SF6设备气体压力预测方法,包括以下步骤:采集SF6电气设备运行时的数据并进行预处理,将数据归一化后分为训练集和测试集;把训练集的数据分别通过Prophet模型和贝叶斯优化的LSTM(长短期记忆网络)模型进行训练;将Prophet模型、LSTM模型的训练集预测结果及训练集真实数据输入至最优权重系数获取模块,得到两个模型的组合权重;输入测试集数据至组合模型,根据测试集预测结果与测试集真实数据检验组合模型的预测性能;最后将完善的组合预测模型用于SF6压力预测。本发明将Prophet‑LSTM模型应用于SF6电气设备中压力值的预测,有助于通过气体压力值判断设备中可能存在的过热类故障和泄露故障,起到预警的作用。

    一种基于XGBoost算法的工程超期预测方法

    公开(公告)号:CN110288142B

    公开(公告)日:2023-02-28

    申请号:CN201910527235.9

    申请日:2019-06-18

    Abstract: 本发明公开了一种基于XGBoost算法的工程超期预测方法,即通过将对应工程类型的历年工程数据进行清理,然后应用XGBoost算法对数据进行训练,得到对应工程类型的工期预测模型,然后通过待预测项目工程数据得到预测的竣工资料送达天数、非物资结算完成天数、物资结算完成天数和资产创建完成天数。本发明的一种基于XGBoost算法的工程超期预测方法可以提前对工程超期各环节的相关负责人发出超期预警,有助于按时完成工程结算工作,进而有利于提高财务部决算的及时率,加强各环节部门间协同,提升公司项目管理水平,提高资金投资效益。

    一种基于XGBoost算法的工程超期预测方法

    公开(公告)号:CN110288142A

    公开(公告)日:2019-09-27

    申请号:CN201910527235.9

    申请日:2019-06-18

    Abstract: 本发明公开了一种基于XGBoost算法的工程超期预测方法,即通过将对应工程类型的历年工程数据进行清理,然后应用XGBoost算法对数据进行训练,得到对应工程类型的工期预测模型,然后通过待预测项目工程数据得到预测的竣工资料送达天数、非物资结算完成天数、物资结算完成天数和资产创建完成天数。本发明的一种基于XGBoost算法的工程超期预测方法可以提前对工程超期各环节的相关负责人发出超期预警,有助于按时完成工程结算工作,进而有利于提高财务部决算的及时率,加强各环节部门间协同,提升公司项目管理水平,提高资金投资效益。

    一种基于神经网络的工程投资转资率预测方法

    公开(公告)号:CN110288141A

    公开(公告)日:2019-09-27

    申请号:CN201910526645.1

    申请日:2019-06-18

    Abstract: 本发明公开了一种基于神经网络的工程投资转资率预测方法,即通过将对应工程类型的历年工程数据进行清理,然后应用BP神经网络模型算法对数据进行训练,得到对应工程类型的工程投资转资率预测模型,并计算投资转资率预测平均误差,然后通过待预测项目工程数据得到预测决算金额,进行预测投资转资率的计算。本发明可预测投资转资率较低的工程,有助于提前发出预警,通过调整数据,可分析工程全过程各环节资金偏差程度,剖析影响投资转资率的主要原因及影响程度,及时调整类似工程投资计划,有效提高类似工程转资率。

Patent Agency Ranking