-
公开(公告)号：CN118693903A
公开(公告)日：2024-09-24
申请号：CN202410775337.3
申请日：2024-06-17
摘要： 本发明涉及一种基于虚拟电池模型对光伏及储能单元进行聚合调控的方法，包括以下步骤；S1、建立光伏和储能单元一体化的虚拟电池VB模型；S2、通过虚拟电厂聚合机构下发一个控制信号使得所有虚拟电池VB模型的控制信号一致；S3、将所有虚拟电池VB模型聚合为虚拟电厂模型；S4、k时刻虚拟电厂参与电网调度，且虚拟电厂聚合机构从电网调度中心处获得k时刻的调度信号；S5、虚拟电厂聚合机构生成控制信号；S6、每一个虚拟电池VB模型的分布式光伏电站和储能单元的能量管理系统生成每一个虚拟电池VB模型对应的VB与外界功率流动的净值。本发明能够减少弃光量，充分利用光伏发电，具有解聚的可行性，具有精度高，规模大，适合电力市场及经济调度的特点。
-
公开(公告)号：CN116720622B
公开(公告)日：2024-07-09
申请号：CN202310699195.2
申请日：2023-06-14
发明人： 魏伟 , 张成 , 叶利 , 郭玥 , 丁黎 , 汪应春 , 余鹤 , 李君 , 郑欣 , 周丹 , 谢东日 , 樊立攀 , 张莹 , 严英 , 王琪 , 荣先金 , 吕馥香 , 王雅兰 , 刘思成
IPC分类号： G06Q10/04 , G01R35/02 , G06F16/2458 , G06N3/0442 , G06N3/08 , G06Q50/06
摘要： 本发明提供一种电流互感器计量误差值预测方法，包括以下步骤：将由互感器误差评估算法得到的误差评估值作为历史训练数据，并用STL法分解时间序列得到三个分量；采集各项影响因素数据，计算温度对趋势分量和周期分量的影响，得到剥离温度影响后的趋势分量、周期分量用于后续预测；采用arima模型算法预测未来待测时段剥离温度影响因素后的趋势分量、周期分量，其结果加上待测时间的预报温度附加误差作为趋势分量、周期分量预测结果；分别预测其他影响因素，并导入训练好的LSTM神经网络模型预测未来时段残差分量；组合分开预测的各误差分量，生成未来互感器误差预测结果。
-
公开(公告)号：CN117875481A
公开(公告)日：2024-04-12
申请号：CN202311755361.2
申请日：2023-12-20
IPC分类号： G06Q10/04 , G06Q50/26 , G06F18/243 , G06F18/2113 , G06N5/01 , G06N3/006
摘要： 本发明公开了一种碳排放预测方法、电子设备和计算机可读介质，该碳排放预测方法包括：收集能源消耗、经济增长率、发电量、碳排放指标等相关数据，采用广义迪氏指数分解法对影响贡献进行量化，选择相关性较强的影响因素；利用粒子群优化的两阶段XGBoost算法预测未来的碳排放趋势，对某区域的实际数据验证了该方法的有效性，并进行了实例预测分析。
-
公开(公告)号：CN117132420B
公开(公告)日：2024-02-27
申请号：CN202311409873.3
申请日：2023-10-27
摘要： 本公开提供了一种电力需求响应对象的响应特性分析方法和系统，属于电力负荷分析技术领域；该方法包括：获取目标需求响应对象的历史负荷数据，历史负荷数据中依次记载有目标需求响应对象在响应日之前连续 天中不同时刻的负荷；利用STL算法将历史负荷数据进行分解，得到趋势负荷分量和周期负荷分量；根据趋势负荷分量预测出目标需求响应对象在响应日的生产规模因子；利用S‑G滤波算法对周期负荷分量进行滤波处理，并根据滤波后的周期负荷分量预测出目标需求响应对象在响应日中预设响应时段内的可中断负荷信息；生成用于表征目标需求响应对象在响应日中预设响应时段的响应特性的响应特征向量，响应特征向量包括生产规模因
-
公开(公告)号：CN116720622A
公开(公告)日：2023-09-08
申请号：CN202310699195.2
申请日：2023-06-14
发明人： 魏伟 , 张成 , 叶利 , 郭玥 , 丁黎 , 汪应春 , 余鹤 , 李君 , 郑欣 , 周丹 , 谢东日 , 樊立攀 , 张莹 , 严英 , 王琪 , 荣先金 , 吕馥香 , 王雅兰 , 刘思成
IPC分类号： G06Q10/04 , G01R35/02 , G06F16/2458 , G06N3/0442 , G06N3/08 , G06Q50/06
摘要： 本发明提供一种电流互感器计量误差值预测方法，包括以下步骤：将由互感器误差评估算法得到的误差评估值作为历史训练数据，并用STL法分解时间序列得到三个分量；采集各项影响因素数据，计算温度对趋势分量和周期分量的影响，得到剥离温度影响后的趋势分量、周期分量用于后续预测；采用arima模型算法预测未来待测时段剥离温度影响因素后的趋势分量、周期分量，其结果加上待测时间的预报温度附加误差作为趋势分量、周期分量预测结果；分别预测其他影响因素，并导入训练好的LSTM神经网络模型预测未来时段残差分量；组合分开预测的各误差分量，生成未来互感器误差预测结果。
-
公开(公告)号：CN114124600B
公开(公告)日：2023-06-06
申请号：CN202111349382.5
申请日：2021-11-15
申请人： 国网湖北省电力有限公司营销服务中心(计量中心) , 国家电网有限公司 , 国网湖北省电力有限公司 , 杭州芯象半导体科技有限公司 , 华立科技股份有限公司
摘要： 本发明提供一种支持家庭子网的电力线宽带载波系统及其应用方法，系统包括电力线宽带载波模块，所述电力线宽带载波模块的电网业务接口连接低压电力线载波通讯网络，所述电力线宽带载波模块的家庭业务接口连接家庭网络，所述低压电力线载波通讯网络包括中央协调器和多个设备节点，所述设备节点均连接到中央协调器和电力线宽带载波模块，所述家庭网络包括多个家庭节点，所述家庭节点均连接到电力线宽带载波模块。本发明移除各个家庭物联网的中央协调器，使用低压电力线载波通信抄表系统中的接到各家各户的设备节点也就是本发明模块作为家庭网络的网络控制器。减少家庭网络占用通讯时隙，减少家庭网络内的网络维护报文。
-
公开(公告)号：CN116028828A
公开(公告)日：2023-04-28
申请号：CN202310038390.0
申请日：2023-01-10
摘要： 本发明公开了一种考虑隐私保护和需求响应的电力用户画像方法，该方法主要包括以下步骤：首先，收集建筑物的历史负荷数据和历史温湿度数据，提取建筑物的负荷特征；其次，通过最小化重叠度确定最优的用户画像数量；第三，建筑物中的智能调度终端执行本地计算并引入零和误差，将计算结果作为分布式隐私保护AAC算法的初值；最后，根据分布式隐私保护的AAC算法的初值，更新用户参数值，收敛得到典型用户画像和建筑物所属的典型用户画像类型。本发明可以在不收集用户具体负荷数据的前提下针对用户用电习惯分析用户画像，并将其用于需求响应系统中，帮助不同用电习惯的用户制定针对性的用电策略，以更好地发掘建筑物负荷的响应能力，保护了用户隐私。
-
公开(公告)号：CN115018209A
公开(公告)日：2022-09-06
申请号：CN202210942617.X
申请日：2022-08-08
发明人： 郑欣 , 禹文静 , 彭涛 , 方毅 , 雷鸣 , 石洪 , 马奔 , 庹璟 , 魏伟 , 丁黎 , 李玲华 , 余鹤 , 夏天 , 汪应春 , 谢东日 , 汪司珂 , 王信 , 庞博 , 荣先金 , 王兹玥 , 李志浩
摘要： 本发明提供一种数字化电能计量系统运行误差长期预测方法及设备，获得数字化电能计量系统在时间段中的误差影响因素集及历史误差数据集，采用蜉蝣算法对稀疏自动编码的超参数进行寻优，实现了误差影响因素特征的精准提取，进而提高了预测模型的准确度；采用不同时间尺度的预测模型进行迭代优化长期预测模型，提高了长期预测模型的准确度。
-
公开(公告)号：CN114188941B
公开(公告)日：2024-09-06
申请号：CN202111452664.8
申请日：2021-11-30
申请人： 国网湖北省电力有限公司营销服务中心(计量中心) , 国家电网有限公司
摘要： 本发明提供一种台区智能融合终端系统及其应用方法，系统包括变压器，变压器的一端连接电网，另一端接融合终端的母体断路器；融合终端的母体断路器的输出端连接到终端智能量测开关的输入端；终端智能量测开关的输出端连接到分支箱的分支智能量测开关的输入端；分支智能量测开关的输出端连接分支箱内的分支线缆的输入端；分支线缆的输出端连接电表箱内安装的电表端智能量测开关输入端；电表端智能量测开关的输出端连接到电表箱内的用户电表；所述融合终端与用户电表通过电力载波模块进行通信。本发明有效辅助工作人员实现对线路故障的快速处置，有力缩短线路故障处置时间，减轻工作人员的劳动强度，节省人力、物力，实现低压精益化管理。
-
公开(公告)号：CN113673579B
公开(公告)日：2024-05-28
申请号：CN202110853474.0
申请日：2021-07-27
申请人： 国网湖北省电力有限公司营销服务中心(计量中心) , 国家电网有限公司
IPC分类号： G06F18/20 , G06F18/214 , G06F18/21 , G06F18/2411 , G06F18/2413 , G06F18/243 , G06Q50/06
摘要： 本发明提供一种基于小样本的用电负荷分类算法，首先，提取不同非平稳变化负荷样本的特征并进行预处理，然后，通过网络训练对其进行扩充并进行评估，再者，采用K临近算法、支持向量机、决策树混合训练对简化的数据进行混合训练，最后，通过加权优化的方式调整各算法在分类结果精度上的权重并进行评估，当混合模型分类精度符合条件时即可用于实际样本测试。有如下优点：1.原始样本具有较好的代表性和普遍适用性；2.扩充扩充前后样本的一致性；3.采用混合分类器及加权的方式，可以克服单一算法的局限性。
-
-
-
-
-
-
-
-
-
搜索结果
58 条记录 (耗时 0.052 秒)
