基于阶梯碳交易和最优建设时序的能源设备规划方法及系统

    公开(公告)号:CN117350747A

    公开(公告)日:2024-01-05

    申请号:CN202311196092.0

    申请日:2023-09-15

    摘要: 本申请公开了一种基于阶梯碳交易和最优建设时序的能源设备规划方法、系统、设备及介质,所述方法对待规划设备进行物理建模,并计算待规划设备的投资成本、运行成本和维护成本,引入阶梯碳交易模型,以构建阶梯碳交易成本计算模型;以全寿命周期内的投资成本、运行成本、维护成本和碳交易成本之和减去规划期末的已投建设备折旧后的残值费用得到的全生命周期总费用最小为目标函数,考虑待规划设备的运行约束和“双碳”约束构建园区综合能源系统模型,求解得到园区综合能源系统的最优规划方案。本申请考虑阶梯碳交易和最优建设时序,能够降低碳排放量,设备投建更加灵活,设备冗余更少,园区综合能源系统整体的经济性与低碳性得到全面提升。

    知识图谱驱动的配电网现场作业视频智能安全管控方法

    公开(公告)号:CN112419091B

    公开(公告)日:2022-07-08

    申请号:CN202011348251.0

    申请日:2020-11-26

    申请人: 武汉大学

    IPC分类号: G06Q50/06 G06V20/40 G06V20/52

    摘要: 本发明公开了一种知识图谱驱动的配电网现场作业视频智能安全管控方法,首先构建电力作业安全管控知识图谱,旨在分解作业任务中的对象、流程、注意事项及其他语义信息,使作业更加直观可视化,并为后续人员信息安全的匹配、技能点的动作匹配和动态评价建立基础;然后划分配电网作业现场区域和视频智能管控类别;最后利用深度学习算法,并结合了作业现场各区域的监控视频,实时全过程地对作业人员进行安全管控,改以往被动的现场作业人工监督为主动智能的自动化监控,为现场作业安全风险的事前预警提供支持,从而降低现场作业人员的风险,减少事故发生概率,对提高配电网现场作业安全管控水平具有重要意义。

    知识图谱驱动的配电网现场作业视频智能安全管控方法

    公开(公告)号:CN112419091A

    公开(公告)日:2021-02-26

    申请号:CN202011348251.0

    申请日:2020-11-26

    申请人: 武汉大学

    IPC分类号: G06Q50/06 G06K9/00

    摘要: 本发明公开了一种知识图谱驱动的配电网现场作业视频智能安全管控方法,首先构建电力作业安全管控知识图谱,旨在分解作业任务中的对象、流程、注意事项及其他语义信息,使作业更加直观可视化,并为后续人员信息安全的匹配、技能点的动作匹配和动态评价建立基础;然后划分配电网作业现场区域和视频智能管控类别;最后利用深度学习算法,并结合了作业现场各区域的监控视频,实时全过程地对作业人员进行安全管控,改以往被动的现场作业人工监督为主动智能的自动化监控,为现场作业安全风险的事前预警提供支持,从而降低现场作业人员的风险,减少事故发生概率,对提高配电网现场作业安全管控水平具有重要意义。

    一种基于多通道声信号时空关联性分析的电力设备局部放电分类方法

    公开(公告)号:CN116561556A

    公开(公告)日:2023-08-08

    申请号:CN202310483281.X

    申请日:2023-04-28

    申请人: 武汉大学

    摘要: 本发明公开了一种基于多通道声信号时空关联性分析的电力设备局部放电分类方法,通过分别挖掘多通道声信号的空间关联性和时间关联性,对电力设备局部放电类型进行分类。本发明提出一种进行时空关联性挖掘的一维卷积神经网络,首先对多通道声信号进行空间关联性挖掘,获取空间权重信息并对多通道声信号特征进行空间关联性加权;然后在此基础上对各通道信号进行时间关联性挖掘,从而获得时间权重信息并对各通道声信号进行时间关联性加权;最后经过空间和时间关联性挖掘的多通道声信号进行进一步特征提取和局放类型分类。本发明能有效基于声信号进行电力设备局部放电分类,从而为电力设备的故障诊断和预防提供支持。

    用于电气设备状态感知的跨模态数据融合方法

    公开(公告)号:CN112418324B

    公开(公告)日:2022-06-24

    申请号:CN202011334424.3

    申请日:2020-11-25

    申请人: 武汉大学

    摘要: 本发明公开了一种用于电气设备状态感知的跨模态数据融合方法,基于多传感器数据和图像数据这两类跨模态数据,对电气设备的状态进行融合感知。本发明首先将多传感器时间序列数据转换为递归图;然后分别用不同的卷积神经网络对递归图和电气设备图像数据进行特征提取;之后按照权重对这两类数据特征进行有效拼接,最后对融合后的特征进行进一步特征提取和状态等级感知。本发明充分利用了电气设备监测数据中的多传感器和图像这两类跨模态数据,一定程度上解决了基于单模态数据感知中精确率低和容错性差的问题。