一种绿色电力交易联盟链管理方法

    公开(公告)号:CN117689473A

    公开(公告)日:2024-03-12

    申请号:CN202311716479.4

    申请日:2023-12-12

    Abstract: 本发明公开了一种绿色电力交易联盟链管理方法,涉及绿电的绿证管理领域,集成了购买协议、支付协议和防转让协议为一体的综合凭证交易协议,具体包括以下步骤:S1:购买协议处理购买请求事件,通过验证交易双方身份、凭证拥有权、状态和环签名操作,确保凭证只能购买一次;S2:支付协议处理支付事件,出售方用购买方的公钥加密凭证,系统向双方确认交易后,双方接收凭证和金额并验证数据是否有篡改;S3:防转让协议处理追溯验证事件,交易完成后,更新链上记录,验证方通过存证编号查询凭证关联信息,通过记录凭证的已使用状态和唯一标识来防止凭证的二次交易和转让。本发明采用上述的一种绿色电力交易联盟链管理方法,增加了整个系统的安全性。

    移动式充电站
    4.
    发明公开
    移动式充电站 审中-实审

    公开(公告)号:CN119611128A

    公开(公告)日:2025-03-14

    申请号:CN202310605046.5

    申请日:2023-05-23

    Abstract: 本发明属于充电站技术领域。移动式充电站,包括箱体、高压柜、变压器、低压柜、第一充电桩、第二充电桩,高压柜、变压器、低压柜依次电连接,其特征在于:所述箱体内设有第一电动汽车灭火系统、第二电动汽车灭火系统;第一电动汽车灭火系统包括第一灭火剂储存罐、第一电磁阀、第一灭火剂输送管道、第一摄像头、第一灭火剂喷头、第一温度传感、第一微处理器;第一灭火剂储存罐安装在第一充电桩室内,第一灭火剂喷头安装在箱体前侧面门的后侧面的左部,第一摄像头、第一温度传感均安装在箱体前侧面门的后侧面的左部,第一摄像头、第一温度传感分别由数据线与第一微处理器的信号输入端相连。当正在充电的电动汽车起火时,可对充电的电动汽车进行灭火。

    一种用电客户和电能表关系识别装置和方法

    公开(公告)号:CN109444789A

    公开(公告)日:2019-03-08

    申请号:CN201811174358.0

    申请日:2018-10-09

    Abstract: 一种用电客户和电能表关系识别装置和方法,包括自动抄表装置、PC端上位机、补偿用电客户电路功率因数装置;所述自动抄表装置通过载波或无线方式读取电能表数据,并传输到PC端上位机;所述PC端上位机控制自动抄表装置并接收自动抄表装置接收抄表数据,并将接收的抄表数据转换成电能表功率因数;所述补偿用电客户电路功率因数装置包括多组补偿,根据用电客户用电功率进行合适的补偿,使得PC端上位机处理和识别。所述PC端上位机用于数据收集和处理,识别出用电客户对应使用的电能表,同时将数据通过图例显示,使得使用者判断结果。本发明能够在不增加人工成本的情况下,在多只集中安装的电能表中定位某个或者多个用电客户的电能表。

    一种便携式电能表现场校验系统

    公开(公告)号:CN105223536B

    公开(公告)日:2018-09-28

    申请号:CN201510660775.6

    申请日:2015-10-14

    Abstract: 一种便携式电能表现场校验系统,包括信号采集单元,电压传感器与电流传感器均与信号采集单元电连接,将采集到的标准电压信号与标准电流信号传递至信号采集单元,被校验电能表向信号采集单元输出脉冲信号,信号采集单元与校验平台电连接,由校验平台将标准电压信号、标准电流信号与被校验电能表发出的脉冲信号进行对比,从而计算出被校验电能表的误差。本发明提供一种便携式电能表现场校验系统,其电压传感器和电流传感器均采用开口式结构,从而可以在不干扰电力系统正常运行的情况下,对运行中的电能表进行准确的校验。

    一种基于NeuralProphet和Bi-GRU-SA组合模型的电力负荷预测方法

    公开(公告)号:CN118249331A

    公开(公告)日:2024-06-25

    申请号:CN202410318482.9

    申请日:2024-03-18

    Applicant: 三峡大学

    Abstract: 本发明公开了一种基于NeuralProphet和Bi‑GRU‑SA组合模型的电力负荷预测方法,涉及电力系统电力负荷预测技术领域,对原始数据进行预处理,包括清洗异常数据和缺失值填充;构建NeuralProphet模型,分别添加趋势项、周期项、节假日项、自回归项、滞后回归项和未来回归项;构建Bi‑GRU‑SA模型,包含Bi‑GRU层、自注意力层和全连接层;通过设计的PWSMAPE损失函数分别独立对两个模型进行训练和预测,然后依据PWSMAPE指标指导子模型权重配置,进行权重的分配和调整,形成组合预测结果。本发明采用上述结构的一种基于NeuralProphet和Bi‑GRU‑SA组合模型的电力负荷预测方法,适用于具有时序特征的电力负荷预测,具有出色的准确性、解释性和稳定性,为电力系统运营商提供精准且全面的数据支持,推动电网系统的智能化和高效运作。

    一种空调负荷资源池的预测方法及应用方法

    公开(公告)号:CN118195052A

    公开(公告)日:2024-06-14

    申请号:CN202410008200.5

    申请日:2024-01-03

    Applicant: 三峡大学

    Abstract: 本发明公开了一种空调负荷资源池的预测方法及应用方法,属于电力负荷管理领域,包括步骤:获取某行业用户的历史负荷数据与历史气温数据,计算负荷与气温的相关系数,划分气温梯度区间;根据气温梯度区间,建立气温与负荷的关系耦合模型;针对关系耦合模型,通过目标函数MSE对关系耦合模型进行迭代优化;根据优化后的关系耦合模型,预测空调负荷资源池,还公开了应用方法。本发明采用上述一种空调负荷资源池的预测方法及应用方法,通过耦合不同行业用户/不同时间尺度/不同气温梯度内,气温变化与负荷变化之间的关系模型,有效预测空调负荷资源池。

    一种便携式电能表现场校验系统

    公开(公告)号:CN105223536A

    公开(公告)日:2016-01-06

    申请号:CN201510660775.6

    申请日:2015-10-14

    Abstract: 一种便携式电能表现场校验系统,包括信号采集单元,电压传感器与电流传感器均与信号采集单元电连接,将采集到的标准电压信号与标准电流信号传递至信号检测单元,被校验电能表向信号采集单元输出脉冲信号,信号采集单元与校验平台电连接,由校验平台将标准电压信号、标准电流信号与被校验电能表发出的脉冲信号进行对比,从而计算出被校验电能表的误差。本发明提供一种便携式电能表现场校验系统,其电压传感器和电流传感器均采用开口式结构,从而可以在不干扰电力系统正常运行的情况下,对运行中的电能表进行准确的校验。

Patent Agency Ranking