-
公开(公告)号：CN118296301A
公开(公告)日：2024-07-05
申请号：CN202410531028.1
申请日：2024-04-29
Applicant: 国网安徽省电力有限公司阜阳供电公司 , 安徽理工大学
IPC: G06F18/10 , G06F18/213 , G06F18/2113 , G06N3/006 , G06F17/14 , G06F17/16 , G06Q50/06 , H02J3/00 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及工业用电负荷技术领域，具体公开了一种工业大用户用电负荷特征筛选方法，包括S‑1：采集工业用电的大用户所使用的多种设备电力负荷参数，构建原始功率数据集，并对所述数据进行预处理，并划分数据集为训练集和测试集；S‑2：根据电力负荷参数的数据质量和电力负荷特征，对原始功率数据进行时频域特征提取；通过更全面的数据采集，大量提取时频域特征使我们能够从多个维度全面了解电力负荷的特性，这种全面性有助于更准确地描述复杂的负荷波动和模式；更好的预测性，多维度的时频域特征提供更强的预测性，使我们能够更准确地预测未来的负荷需求，有助于电力供应的调度和规划；更全面的数据记录，大量特征提取确保了更全面的数据记录。
-
公开(公告)号：CN114530847B
公开(公告)日：2024-08-09
申请号：CN202210170067.4
申请日：2022-02-23
Applicant: 安徽理工大学 , 国网安徽省电力有限公司
IPC: H02J3/00 , G06F18/10 , G06F18/213 , G06F18/24
Abstract: 本发明公开了非活性电流谐波结合XGBoost的非侵入式负荷辨识方法，包括：利用非侵入式负荷监测系统采集待识别的电力系统负荷稳态电流数据和稳态电压数据，对采集到的稳态电流数据和稳态电压数据中值滤波处理，根据中值滤波后的稳态电流数据和稳态电压数据提取总有功功率特征、总无功功率特征及非活性电流各次谐波分量特征，利用核主成分分析KPCA对非活性电流各次谐波分量特征降维，提取主要谐波信息，与总有功功率特征、总无功功率特征结合形成XGBoost分类模型的多特征目标函数，将提取总有功功率特征、总无功功率特征及非活性电流各次谐波分量特征输入XGBoost分类模型，识别不同的负荷。该方法用于非侵入式负荷辨识，实现了负荷高效且快速准确识。
-
公开(公告)号：CN114912545B
公开(公告)日：2024-06-14
申请号：CN202210657083.6
申请日：2022-06-10
Applicant: 安徽理工大学
IPC: G06F18/241 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了基于优化VMD算法和DBN网络的电力负荷分类方法，其特征在于，包括：获取多个负荷在采样周期内的电力负荷数据，并对电力负荷数据进行预处理；通过优化VMD算法对预处理后的电力负荷数据进行分解，并从分解向量中提取特征向量；将特征向量输入至训练后的DBN神经网络中进行负荷分类；通过该方法可以将优化VMD算法和DBN神经网络相结合，从而实现对用电负荷进行精准分类。
-
公开(公告)号：CN117909716A
公开(公告)日：2024-04-19
申请号：CN202410086881.7
申请日：2024-01-22
Applicant: 安徽理工大学
IPC: G06F18/213 , G06N3/0455 , G06N3/0464 , G06N3/045 , H02J3/00
Abstract: 本发明提供一种基于深度学习模型的非侵入式电力负荷分解方法，包括：S1获取总功率以及各个设备的功率数据，并进行预处理；S2利用滑动窗口获取特征数据，同时划分数据集；S3搭建结合多尺度卷积模块、门控Transformer编码器模块、WaveLSTM模块以及输出模块的深度学习模型；S4将数据集送入深度学习模型中，训练、测试以及评估模型，实现非侵入式负荷分解。本发明具有提取多尺度特征信息、考虑重要时间点的记忆信息对当前负荷分解的影响、提高时序负荷分解精度的优点。
-
公开(公告)号：CN117574066A
公开(公告)日：2024-02-20
申请号：CN202311516168.3
申请日：2023-11-13
Applicant: 安徽理工大学
IPC: G06F18/15 , G06F18/23213 , G06F17/18 , G06N3/006 , G06Q50/06
Abstract: 本发明提出一种基于改进灰狼优化算法的虚拟电厂利润最大化方法，首先S1采集历史数据；S2对采集到的数据进行预处理；S3利用蒙特卡洛优化法进行模拟风光的不确定性；S4利用K‑means算法缩减场景集数至特定的天气，如无风无光，暴雨等；S5根据运行维护成本，卖电收益构建目标函数；S6提出了系统运行约束条件；S7提出改进灰狼优化算法求出电厂最大利润,将利润最大作为算法的求解目标，以运行约束条件作为算法的约束条件。本方法针对灰狼优化算法进行了改进，通过引入非线性调整策略，使收敛因子非线性收敛，增强全局探索能力，提高算法收敛性。还引入自适应柯西变异策略来优化算法，对当前代最优解进行柯西变异操作，提高算法跳出局部最优解的概率。
-
Patent Agency Ranking
公开(公告)号：CN117269552A
公开(公告)日：2023-12-22
申请号：CN202311198237.0
申请日：2023-09-15
Applicant: 安徽理工大学 , 国网安徽省电力有限公司 , 国网安徽省电力有限公司合肥供电公司
Abstract: 本发明公开了一种分布式负荷监测采样装置，包括壳体，还包括：连杆组件，用于拔插电器上的线缆，以及限位组件，用于对线缆进行紧固；所述限位组件，包括基杆、滑杆、夹杆以及夹板，所述基杆在壳体内侧与壳体铰接，所述基杆顶端的套筒中滑动连接有滑杆，所述基杆顶端套筒两侧铰接有夹杆，两个所述夹杆上分别铰接有夹板，所述基杆与连杆组件连接，所述与散热组件连接；本发明，可自动中断配电器的连通。
-
公开(公告)号：CN114912545A
公开(公告)日：2022-08-16
申请号：CN202210657083.6
申请日：2022-06-10
Applicant: 安徽理工大学
Abstract: 本发明公开了基于优化VMD算法和DBN网络的电力负荷分类方法，其特征在于，包括：获取多个负荷在采样周期内的电力负荷数据，并对电力负荷数据进行预处理；通过优化VMD算法对预处理后的电力负荷数据进行分解，并从分解向量中提取特征向量；将特征向量输入至训练后的DBN神经网络中进行负荷分类；通过该方法可以将优化VMD算法和DBN神经网络相结合，从而实现对用电负荷进行精准分类。
-
公开(公告)号：CN114595873A
公开(公告)日：2022-06-07
申请号：CN202210169235.8
申请日：2022-02-23
Applicant: 安徽理工大学 , 国网安徽省电力有限公司
Abstract: 本发明公开了一种基于灰色关联的DA‑LSTM的短期电力负荷预测方法，包括：获取多日日负荷影响因素数据和负荷数据，计算各个日负荷影响因素数据负荷数据之间的MIC值，获得各影响因素的权重，划分历史日数据和待预测日数据，并构建灰色关联判断矩阵，利用各影响因素的权重对灰色关联判断矩阵进行加权，计算出加权灰色关联决策阵，得到每个历史日和待预测日的灰色关联值，将灰色关联值从大到小进行排序，设置阈值，选择满足阈值历史日作为相似日集，构建DA‑LSTM模型，利用将蜻蜓算法DA对长短期记忆网络LSTM的参数进行优化，在DA‑LSTM模型中输入相似日数据，对待预测日进行负荷预测。该方法结合历史负荷、气象、日期类型等因素进行预测，能对待预测日实现短期预测。
-
公开(公告)号：CN114530847A
公开(公告)日：2022-05-24
申请号：CN202210170067.4
申请日：2022-02-23
Applicant: 安徽理工大学 , 国网安徽省电力有限公司
Abstract: 本发明公开了非活性电流谐波结合XGBoost的非侵入式负荷辨识方法，包括：利用非侵入式负荷监测系统采集待识别的电力系统负荷稳态电流数据和稳态电压数据，对采集到的稳态电流数据和稳态电压数据中值滤波处理，根据中值滤波后的稳态电流数据和稳态电压数据提取总有功功率特征、总无功功率特征及非活性电流各次谐波分量特征，利用核主成分分析KPCA对非活性电流各次谐波分量特征降维，提取主要谐波信息，与总有功功率特征、总无功功率特征结合形成XGBoost分类模型的多特征目标函数，将提取总有功功率特征、总无功功率特征及非活性电流各次谐波分量特征输入XGBoost分类模型，识别不同的负荷。该方法用于非侵入式负荷辨识，实现了负荷高效且快速准确识。
-
公开(公告)号：CN112525346A
公开(公告)日：2021-03-19
申请号：CN202011404367.1
申请日：2020-12-03
Applicant: 安徽理工大学
Abstract: 本发明公开了一种基于改进OIF的光谱图像最佳波段的选择方法、系统及存储介质。本发明基于图像信息熵改进最佳指数法(Optimum Index Factor,OIF)，既能用于超光谱波段选择，也能用于多光谱和超光谱波段选择，并且选取的是最佳组合波段，选择的波段数由用户自行设定。基于图像信息熵改进OIF用于最佳组合波段的选择，充分利用了不同波段间光谱图像的相关性信息以及光谱图像包含的信息量的信息，使得所选组合波段的相关性小，所包含信息量大且冗余信息少。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.043 seconds)
