-
公开(公告)号：CN118709879A
公开(公告)日：2024-09-27
申请号：CN202410599880.2
申请日：2024-05-15
Applicant: 国网湖北省电力有限公司营销服务中心(计量中心) , 国网湖北省电力有限公司
Inventor： 魏伟 , 郭玥 , 郑欣 , 田晓霞 , 周丹 , 张成 , 蔡文嘉 , 方毅 , 叶利 , 王信 , 雷鸣 , 丁黎 , 汪应春 , 余鹤 , 张宇轩 , 樊立攀 , 谢东日 , 张莹 , 严英
IPC: G06Q10/063 , G06Q50/06 , G06F17/10 , H02J3/46
Abstract: 一种需求响应下电动汽车的碳减排核算方法、系统及设备，包括S1数据收集及构建需求响应基准线，收集电动汽车参数、电网参数及相似日影响因素数据，并基于收集的数据进行基线负荷计算，得到需求响应基准线；S2构建碳减排量算法模型,基于需求响应基准线构建碳减排量算法模型，所述碳减排量算法模型的目标函数为电动汽车在需求响应场景下的总碳减排量；S3碳减排量核算，将S1中获取的数据代入碳减排量算法模型中进行求解，得到电动汽车进行需求响应的总减碳量。本设计不仅可以根据需求响应场景下电动汽车不同的减碳原理，得到需求响应场景下电动汽车碳减排效果的量化评估，而且可以通过调整因子使需求响应基准线更为精确。
-
公开(公告)号：CN119209902A
公开(公告)日：2024-12-27
申请号：CN202411298142.0
申请日：2024-09-18
Applicant: 国网湖北省电力有限公司营销服务中心(计量中心)
IPC: H02J13/00 , H02J3/00 , G06F18/2433 , G06F18/243 , G06Q50/06
Abstract: 一种异常台区诊断方法及装置，所述方法包括：步骤1，采集台区用电量和供电量，根据台区用电量和供电量，计算诊断日的预测用电量和残差，根据残差判断当日的供电量或用电量是否异常；步骤2，若步骤1中判断当日的供电量或用电量异常，则计算异常的可降损电量，并基于异常的可降损电量，试算台区可降损电量及线损率；步骤3，将步骤2的计算结果以清单的方式输出。本发明通过对用电量和供电量的分析，判断供电量或用电量是否异常，并在出现异常时，通过可降损电量，试算台区可降损电量及线损率，实现台区异常诊断以维护台区的稳定。
-
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
Applicant: 国网湖北省电力有限公司营销服务中心(计量中心)
Inventor： 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: G06Q10/04 , G01R35/02 , G06F16/2458 , G06N3/0442 , G06N3/08 , G06Q50/06
Abstract: 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：CN116720622A
公开(公告)日：2023-09-08
申请号：CN202310699195.2
申请日：2023-06-14
Applicant: 国网湖北省电力有限公司营销服务中心(计量中心)
Inventor： 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: G06Q10/04 , G01R35/02 , G06F16/2458 , G06N3/0442 , G06N3/08 , G06Q50/06
Abstract: 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。
-
-
-
Search Results
4
records
(took 0.051 seconds)
