-
公开(公告)号：CN115688047A
公开(公告)日：2023-02-03
申请号：CN202211289031.4
申请日：2022-10-20
申请人： 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司
IPC分类号： G06F18/25 , G06N3/0464 , G06N3/049 , G06Q10/04 , G06Q50/06
摘要： 基于深度学习的城市能源多源数据融合方法及存储介质，对大数据挖掘到的城市能源多源数据进行数据融合，利用跨模态Transformer进行多尺度多模态的信息融合，实现多源异构数据类型的相互跨模态融合，得到融合特征用于对未来能源的使用量以及所需的能源制造量进行预测。本发明提出一种多尺度协作多模态transformer架构，以提高从非对齐多模态序列中学习到的表示效果，在增强了城市能源多源数据融合的关联程度下，还使得系统更加的轻量化，本发明能为城市能源的精细化管理以及科学的需求侧管理提供帮助有助于城市能源大数据平台智慧决策功能模块的建设。
-
公开(公告)号：CN115801018A
公开(公告)日：2023-03-14
申请号：CN202211346193.7
申请日：2022-10-31
申请人： 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司 , 南京南瑞信息通信科技有限公司
摘要： 本发明属于电网数据处理技术领域，具体涉及一种基于压缩感知的配电台区数据压缩重构方法及系统。该方法包括，将配电台区的采集报文解析为表格，以层级连接后数据项名为列名、数据项内容为单元格数据、一条采集报文解析为一行；按照数据类型对表格的列进行分类，按照列的数据类型使用相应的编码类型压缩表格的该列数据，形成键值对；将键值对压缩为传递报文后上传；对传递报文解压缩得到键值对；使用相应的编码类型对键值对解压得到重构表格；将重构表格的列名解析后将重构表格的每行内容重构为一条重构报文。本发明能够确立采集报文间的重复内容和复用结构，合并同类数据，分类压缩，整体提升数据压缩效率。
-
公开(公告)号：CN115754144A
公开(公告)日：2023-03-07
申请号：CN202211414960.3
申请日：2022-11-11
申请人： 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司
摘要： 本发明公开了非晶合金变压器铁芯碎片迁移物理模拟试验装置和方法，装置包括：绝缘支架，其上绕制有感应加热绕组，所述感应加热绕组连接有交流电流源；金属壳体，设置在绝缘支架内，所述金属壳体连接有交流电压源，所述金属壳体的侧面设有至少一个侧面观察窗，所述金属壳体的顶面设有上方观察窗；接地铁芯，设置在金属壳体内，所述接地铁芯接地；以及分别设置于侧面观察窗和上方观察窗的侧面摄像机和上方摄像机。本发明搭建了非晶合金变压器模拟油道试验平台，可通过物理模拟试验揭示不同条件下非晶合金铁芯碎片在浮力驱动非等温油中的迁移规律，同时可以为数值计算模型验证以及油间隙放电特性提供支持。
-
公开(公告)号：CN115688988A
公开(公告)日：2023-02-03
申请号：CN202211287681.5
申请日：2022-10-20
申请人： 国网江苏省电力有限公司 , 国网江苏省电力有限公司南京供电分公司
IPC分类号： G06Q10/04 , G06Q50/26 , G06Q10/0631 , G06N20/00
摘要： 基于transformer架构的城市综合能源物联及智慧管控方法及系统，将终端采集的不同区域的城市综合能源物联信息经过标准化为序列信号后输出到服务器，由服务器上配置的深度学习网络进行学习，实现能源需求预测，由深度学习网络配置建立智慧管控网络，对实时采集的城市综合能源物联信息数据进行实时预测处理，所得结果上传至工作台用于查看，所述深度学习网络基于transformer架构，与序列的快速傅里叶变换算法与反变换进行结合，提出FFT‑Attention注意力机制，相比较传统的transformer架构，更注重于序列的频域信息。本发明通过设计的深度学习网络可以处理文本与音频数据，计算处理更加迅速且有效，处理结果上传方便，管控构架高效。
-
公开(公告)号：CN113837894A
公开(公告)日：2021-12-24
申请号：CN202110900810.2
申请日：2021-08-06
申请人： 国网江苏省电力有限公司南京供电分公司 , 河海大学 , 国网江苏省电力有限公司 , 南京南瑞信息通信科技有限公司
摘要： 本发明涉及电力系统技术领域，尤其涉及一种基于残差卷积模块的非侵入式居民用户负荷分解方法，包括：获取训练数据并进行数据预处理；构建并训练负荷分解模型：训练数据中的总有功功率序列输入残差卷积模块，在残差卷积模块中，以CNN模型作为基础学习有功功率特征，通过跨层连接将原输入数据与通过CNN学习到的特征数据相加，将所得数据进一步输入到GRU网络学习时序特征，输出目标电器有功功率的预测值；将目标电器有功功率的预测值与真实值进行比较，不断调整负荷分解模型的网络参数得到训练好的负荷分解模型；通过训练好的负荷分解模型对待分解的用户总有功功率进行分解，获得目标电器的有功功率分解结果。本发明分解精度高。
-
公开(公告)号：CN115600640A
公开(公告)日：2023-01-13
申请号：CN202211214761.8
申请日：2022-09-30
摘要： 本发明涉及电力负荷预测领域，尤其涉及基于分解网络的电力负荷预测方法，包括：采集用户侧历史负荷数据和气象数据作为原始数据；预处理原始数据；构建预测模型并训练；将待测日前的历史负荷数据和气象数据输入至训练好的预测模型中，得到待测日的电力负荷预测值；预测模型中，预测模型包括分解网络、卷积层和多层感知机；分解网络中的分解模块包括前后切分单元和局部关联信息提取单元；预处理后的原始数据作为输入序列，前后切分单元将输入序列前后切分为前序列和后序列，再通过两个局部关联信息提取单元完成序列中向量数据的提取，输出子序列；分解网络最终得到若干组子序列；最后通过卷积和多层感知机输出负荷预测值。本发明预测效果准确。
-
公开(公告)号：CN115563771A
公开(公告)日：2023-01-03
申请号：CN202211214530.7
申请日：2022-09-30
申请人： 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司
IPC分类号： G06F30/20 , G06F113/04
摘要： 一种区域综合能源系统的多能流设备等效模型的构建方法，分别考虑了区域综合能源系统本身运行特性及多能流子系统相互之间的影响，首先针对电网建立了光伏模型、输配电网络模型、储能电池以及充电桩模型，接着针对热网建立了热力管网模型和储热罐模型，继而针对气网建立了天然气管网模型及储气罐模型，最后建立多种能源转化装置模型将三者有效的互联起来，得到多能流设备等效模型。本发明通过综合能源系统的多能流彼此间协调规划，实现区域系统的经济和能效目标，并降低或消除能源供应环节的不确定性，从而促进可再生能源的安全消纳。
-
公开(公告)号：CN113837894B
公开(公告)日：2023-12-19
申请号：CN202110900810.2
申请日：2021-08-06
申请人： 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司
IPC分类号： G06Q50/06 , G06N3/0464 , G06F18/214 , G06N3/0442 , G06N3/045 , H02J3/00
摘要： 本发明涉及电力系统技术领域，尤其涉及一种基于残差卷积模块的非侵入式居民用户负荷分解方法，包括：获取训练数据并进行数据预处理；构建并训练负荷分解模型：训练数据中的总有功功率序列输入残差卷积模块，在残差卷积模块中，以CNN模型作为基础学习有功功率特征，通过跨层连接将原输入数据与通过CNN学习到的特征数据相加，将所得数据进一步输入到GRU网络学习时序特征，输出目标电器有功功率的预测值；将目标电器有功功率的预测值与真实值进行比较，不断调整负荷分解模型的网络参数得到训练好的负荷分解模型；通过训练好的负荷分解模型对待分解的用户总有功功率进行分解，获得目(56)对比文件US 2021365782 A1,2021.11.25崔佳豪,毕利.基于混合神经网络的光伏电量预测模型的研究.电力系统保护与控制.2021,49(13),全文.李晓,卢先领.基于双重注意力机制和GRU网络的短期负荷预测模型.计算机工程.2022,第48卷(第2期),全文.
-
公开(公告)号：CN115913247A
公开(公告)日：2023-04-04
申请号：CN202211275331.7
申请日：2022-10-18
申请人： 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司
IPC分类号： H03M7/30 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
摘要： 一种高频电力数据深度无损压缩方法及系统，使用自注意力挖掘数据局部信息设计新型的T‑Transformer模型，增加高斯先验，加强数据的相关性；对模型输出概率使用算术编码器压缩；最后，对编码得到的区间采用比特编码，进一步提升压缩性能，节省数据存储空间，实现高效的电力数据无损压缩。传统电力压缩算法只能局限于正弦频率型数据，如小波变换等，而对家庭区实测用电数值，单位为安培、伏特等物理参数数据的压缩性能明显下降。本发明提出一种深度无损压缩方案，对电力数据从语义角度将特征空间分割困难的问题，提供了一种可以解决该问题的深度模型。
-
公开(公告)号：CN115906350A
公开(公告)日：2023-04-04
申请号：CN202211410331.3
申请日：2022-11-11
申请人： 国网江苏省电力有限公司南京供电分公司 , 国网江苏省电力有限公司
IPC分类号： G06F30/18 , G06F30/27 , G06N3/0464 , G06N3/08 , G01R31/08 , G06F111/02 , G06F113/04
摘要： 本发明公开了一种微电网故障定位和诊断方法，包括以下步骤：步骤1：搭建微电网系统模型，包括至少一个分布式电源；步骤2：在不同运行工况下，分别对分布式电源带不同故障运行的微电网系统状态进行仿真；步骤3：分别采集故障发生两周波内各预设节点的三相电流波形，构成微电网运行状态样本集；步骤4：搭建基于深度学习算法的微电网分布式电源故障诊断模型；步骤5：通过步骤3获得的对微电网分布式电源故障诊断模型进行训练；步骤6：将待测样本输入训练完善的微电网分布式电源故障诊断模型，根据输出结果实现故障定位和诊断。本发明优点是可以在微电网中发生分布式电源故障后，实现对故障的精确定位和类型辨识。
-
-
-
-
-
-
-
-
-
搜索结果
87 条记录 (耗时 0.071 秒)
