-
公开(公告)号：CN116012195A
公开(公告)日：2023-04-25
申请号：CN202310055830.3
申请日：2023-01-18
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 上海电力大学 , 中国电力科学研究院有限公司
Inventor： 李满树 , 彭道刚 , 董继军 , 王兴东 , 摆志俊 , 赵慧荣 , 田世明 , 费守江 , 王刚 , 张正 , 潘明明 , 王静远 , 李青 , 李志潭 , 马涛 , 钱白云 , 周帅 , 袁金斗 , 杜建城 , 汤德海
IPC: G06Q50/06 , G06Q10/0639
Abstract: 本发明涉及一种燃煤自备电厂低碳监管与低碳发展用电策略优化方法，步骤包括：S1、确定与低碳监管与低碳发展用电策略对应的低碳监管与低碳发展的评价指标；S2、基于评价指标得到三级结构的评价体系模型，评价体系模型的三级结构包括互相对应的评价体系准则层和评价体系方案层；S3、基于层次分析法与熵值法相结合的算法求解评价体系模型，得到各项指标的权重因子；S4、基于各项指标的权重因子优化燃煤自备电厂低碳监管与低碳发展用电策略。与现有技术相比，本发明具有客观的优化燃煤自备电厂用电策略等优点。
-
公开(公告)号：CN113011530B
公开(公告)日：2023-04-07
申请号：CN202110472639.X
申请日：2021-04-29
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 国网新疆电力有限公司电力科学研究院 , 大连理工大学
IPC: G06F18/2411 , G06N3/04 , G06N3/084 , G06Q10/04 , G06Q50/06 , G06F18/241
Abstract: 一种基于多分类器融合的智能电表故障预测方法，针对智能电表故障数据规模大、维度高、结构复杂、存在错误及异常数据的特点，采用正态分布补全及箱型图方法，对原始数据集进行缺失值填补及异常值替换；通过计算特征属性与故障类型之间的相关系数，消除冗余及不相关特征，形成特征子集；构建对少数样本过采样、对多数样本进行欠采样的混合采样策略，解决故障数据不平衡问题。计算支持向量机(SVM)、BP神经网络及随机森林算法处理智能电表故障数据的准确率，构建表征各分类器性能的混淆矩阵；考虑各分类器针对不同故障类型的识别能力，为各分类器分配权重，进而构建多分类器决策函数，取权重和最大的类别作为样本的故障预测结果。
-
公开(公告)号：CN116090862A
公开(公告)日：2023-05-09
申请号：CN202211447359.4
申请日：2022-11-18
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 国家电网有限公司
IPC: G06Q10/0639 , G01D21/02 , G06Q50/26 , G06F30/20
Abstract: 本发明涉及低碳环保技术领域，是一种燃煤自备电厂低碳监管与低碳发展综合评级系统，其包括：指标评估模块，用于确定低碳监管与低碳发展的评估指标；安全模块，用于应用与数据的安全防护，保证系统的安全稳定运行；指标体系划分模块，用于划分燃煤自备电厂低碳监管与低碳发展的综合评级指标；综合监测评价模块，用于建立低碳监管与低碳发展的评估模型，通过定性指标与定量指标确定权重建议值，作为燃煤自备电厂低碳监管与低碳发展的综合评级参考。本发明可以针对燃煤自备电厂的低碳监管与发展进行综合评级，从而有效地对燃煤自备电厂的低碳进行监管；可以提高工作效率，具有较强的适用性，使用效果较好。
-
公开(公告)号：CN109828230B
公开(公告)日：2021-03-09
申请号：CN201910262919.0
申请日：2019-04-02
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 国家电网有限公司
IPC: G01R35/04
Abstract: 本发明涉及电能表故障定位技术领域，是一种电能表自动化检定流水线表位故障的定位方法，包括S1，数据准备；S2，采用时间序列窗口算法构建表位异常时序特征集：根据时间序列窗口算法分别构建观察窗口内的电能表检定合格率和电能表接线成功率；S3，构建电能表自动化检定流水线表位异常诊断模型：采用基于滑窗算法的支持向量机模型，构造分类器以区分表位是否有异常；S4，构建电能表自动化检定流水线表位故障原因诊断模型，判断故障类型；S5，电能表检定质量追踪。本发明通过应用大数据技术分析自动化检定流水线检定结论，快速定位故障设备，准确反馈表位故障原因，及时修复设备异常从而达到提高检定效率、提升检定质量的目的。
-
Patent Agency Ranking
公开(公告)号：CN114418296B
公开(公告)日：2024-12-03
申请号：CN202111530171.1
申请日：2021-12-15
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心)
IPC: G06F17/10 , G06Q50/06 , G06F17/15 , G06F17/12 , G06F119/02
Abstract: 本发明公开了一种电能计量装置零失效大数据的可靠度实时感知方法与系统，本发明电能计量装置零失效大数据的可靠度实时感知方法包括获取电能计量装置在指定的国家/地区对应的使用环境温度指标Tu、湿度指标RHu以及气压值指标Pru；将使用环境温度指标Tu、湿度指标RHu以及气压值指标Pru代入下式所示的多应力‑基本误差‑威布尔可靠度实时感知模型，计算得到电能计量装置的随运行时间t变化的可靠度。本发明将电能计量装置性能数据与现场运行环境联系起来，并借助早期海量现场未达到检定规则规定失效阈值的性能退化数据进行特征寿命转换，可获得任意国家/地区对应的可靠度预测结果。
-
公开(公告)号：CN114968991B
公开(公告)日：2024-11-26
申请号：CN202210391251.1
申请日：2022-04-14
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 大连理工大学
IPC: G06F16/215 , G06F17/18 , G06N3/0464 , G06N3/08 , G06Q50/06
Abstract: 本发明涉及一种基于变点分组‑二步分位数与DCNN结合的风电数据恢复方法，根据异常数据的不同成因对数据形态进行划分；采集某风电场电表数据的风速‑功率数据样本构成集合；利用变点分组法进行数据清洗，剔除底部堆积型异常数据、中部堆积型异常数据和部分曲线周围分散型异常数据；利用二步分位数算法识别曲线上部堆积型异常数据和剩余的曲线周围分散型异常数据，将异常数据删除得到正常数据集；使用DCNN进行曲线优化，将部分时间点数据缺失的风速‑功率数据构成的曲线进行重构，得到无数据缺失的时间点的风机风速‑功率数据。本发明提升了恢复后风速‑功率数据构成曲线的准确性，保证后续研究数据分析的精度与模型建立的准度。
-
公开(公告)号：CN114968991A
公开(公告)日：2022-08-30
申请号：CN202210391251.1
申请日：2022-04-14
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 大连理工大学
IPC: G06F16/215 , G06F17/18 , G06N3/04 , G06N3/08 , G06Q50/06
Abstract: 本发明涉及一种基于变点分组‑二步分位数与DCNN结合的风电数据恢复方法，根据异常数据的不同成因对数据形态进行划分；采集某风电场电表数据的风速‑功率数据样本构成集合；利用变点分组法进行数据清洗，剔除底部堆积型异常数据、中部堆积型异常数据和部分曲线周围分散型异常数据；利用二步分位数算法识别曲线上部堆积型异常数据和剩余的曲线周围分散型异常数据，将异常数据删除得到正常数据集；使用DCNN进行曲线优化，将部分时间点数据缺失的风速‑功率数据构成的曲线进行重构，得到无数据缺失的时间点的风机风速‑功率数据。本发明提升了恢复后风速‑功率数据构成曲线的准确性，保证后续研究数据分析的精度与模型建立的准度。
-
公开(公告)号：CN114418296A
公开(公告)日：2022-04-29
申请号：CN202111530171.1
申请日：2021-12-15
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 湖南大学
IPC: G06Q10/06 , G06Q50/06 , G06F17/15 , G06F17/12 , G06F119/02
Abstract: 本发明公开了一种电能计量装置零失效大数据的可靠度实时感知方法与系统，本发明电能计量装置零失效大数据的可靠度实时感知方法包括获取电能计量装置在指定的国家/地区对应的使用环境温度指标Tu、湿度指标RHu以及气压值指标Pru；将使用环境温度指标Tu、湿度指标RHu以及气压值指标Pru代入下式所示的多应力‑基本误差‑威布尔可靠度实时感知模型，计算得到电能计量装置的随运行时间t变化的可靠度。本发明将电能计量装置性能数据与现场运行环境联系起来，并借助早期海量现场未达到检定规则规定失效阈值的性能退化数据进行特征寿命转换，可获得任意国家/地区对应的可靠度预测结果。
-
公开(公告)号：CN113011530A
公开(公告)日：2021-06-22
申请号：CN202110472639.X
申请日：2021-04-29
Applicant: 国网新疆电力有限公司营销服务中心(资金集约中心、计量中心) , 国网新疆电力有限公司电力科学研究院 , 大连理工大学
Abstract: 一种基于多分类器融合的智能电表故障预测方法，针对智能电表故障数据规模大、维度高、结构复杂、存在错误及异常数据的特点，采用正态分布补全及箱型图方法，对原始数据集进行缺失值填补及异常值替换；通过计算特征属性与故障类型之间的相关系数，消除冗余及不相关特征，形成特征子集；构建对少数样本过采样、对多数样本进行欠采样的混合采样策略，解决故障数据不平衡问题。计算支持向量机(SVM)、BP神经网络及随机森林算法处理智能电表故障数据的准确率，构建表征各分类器性能的混淆矩阵；考虑各分类器针对不同故障类型的识别能力，为各分类器分配权重，进而构建多分类器决策函数，取权重和最大的类别作为样本的故障预测结果。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.066 seconds)
