-
公开(公告)号：CN110334884B
公开(公告)日：2023-04-07
申请号：CN201910680161.2
申请日：2019-07-26
申请人： 国网辽宁省电力有限公司阜新供电公司 , 东北大学 , 国家电网有限公司
发明人： 单锦宁 , 陈刚 , 马民 , 杨东升 , 李振宇 , 李成伟 , 周喆 , 王鑫 , 孙振奥 , 李丹阳 , 柴琦 , 郑海洪 , 周博文 , 张化光 , 刘鑫蕊 , 罗艳红 , 梁雪 , 刘振伟 , 王智良
摘要： 本发明公开一种提升区域电网风电消纳能力的电‑热联合调度方法。本发明通过增加蓄热电锅炉来解耦热电联产机组“以热定电”约束，提升区域电网风电消纳能力，综合考虑了常规火电机组、热电联产机组的出力特性、启停及爬坡运行约束，以及蓄热电锅炉的运行状态，建立了一种包含常规火电机组、热电联产机组以及蓄热电锅炉的电‑热联合调度模型；提出火电出力平衡支撑理论和蓄热电锅炉的电制热启动策略，并考虑系统稳定性约束，以最大化风电消纳为目标，同时引入机组发电成本和污染排放成本惩罚项；最后采用改进的蚁群算法对模型进行求解，在保证风电全消纳、系统安全稳定运行的同时，实现了系统运行的经济性最优。
-
公开(公告)号：CN110334884A
公开(公告)日：2019-10-15
申请号：CN201910680161.2
申请日：2019-07-26
申请人： 国网辽宁省电力有限公司阜新供电公司 , 东北大学 , 国家电网有限公司
发明人： 单锦宁 , 陈刚 , 马民 , 杨东升 , 李振宇 , 李成伟 , 周喆 , 王鑫 , 孙振奥 , 李丹阳 , 柴琦 , 郑海洪 , 周博文 , 张化光 , 刘鑫蕊 , 罗艳红 , 梁雪 , 刘振伟 , 王智良
摘要： 本发明公开一种提升区域电网风电消纳能力的电-热联合调度方法。本发明通过增加蓄热电锅炉来解耦热电联产机组“以热定电”约束，提升区域电网风电消纳能力，综合考虑了常规火电机组、热电联产机组的出力特性、启停及爬坡运行约束，以及蓄热电锅炉的运行状态，建立了一种包含常规火电机组、热电联产机组以及蓄热电锅炉的电-热联合调度模型；提出火电出力平衡支撑理论和蓄热电锅炉的电制热启动策略，并考虑系统稳定性约束，以最大化风电消纳为目标，同时引入机组发电成本和污染排放成本惩罚项；最后采用改进的蚁群算法对模型进行求解，在保证风电全消纳、系统安全稳定运行的同时，实现了系统运行的经济性最优。
-
公开(公告)号：CN110557388B
公开(公告)日：2022-04-01
申请号：CN201910826057.X
申请日：2019-09-03
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
IPC分类号： H04L9/40
摘要： 本发明提供一种具有双反馈双隔离的物理信道无耦合电网内外网隔离方法，涉及电力信息通讯技术领域。该方法包括：电网内部网络信息数据的提取分析；电网内部网络对提取到的信息数据进行加密并生成对应的图形信息码；独立计算机对电网内部网络留存的图形信息码进行采集、识别和奇偶校验；电网外部网络对独立计算机校验正确的图形信息码进行采集、识别和判断解析；电网网外部网络留存最终正确的图形信息码并将其作为电网网外部网络的公共数据。本方法具有双反馈、双隔离且图形信息码数据容量大的特征，能够实现内外网数据信息的无耦合、高效率的传输，确保内网信息的安全性。
-
公开(公告)号：CN110298574A
公开(公告)日：2019-10-01
申请号：CN201910539995.1
申请日：2019-06-21
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
摘要： 本发明的一种基于卷积神经网络的用电用户缴费风险评级方法，包括如下步骤：选取用户的多种电网数据构成用户评级影响因素向量，由多个用户所对应的多组评级影响因素向量构成待评估用户矩阵，将待评估用户矩阵的集合划分为训练集和测试集；设定用户评级规则，划分用户风险等级；建立卷积神经网络模型，将训练集输入到卷积神经网络模型，对卷积神经网络模型进行训练；将测试集输入到训练好的卷积神经网络模型进行评级，获得对测试集中每个用户的初步评级结果；采用粒子群算法对测试集进行聚类，以对初步评级结果验证，若粒子群算法求解的评级结果和卷积神经网络模型获得初步评级结果相同，则将初步评级结果作为最终评级结果输出。
-
公开(公告)号：CN110557388A
公开(公告)日：2019-12-10
申请号：CN201910826057.X
申请日：2019-09-03
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
IPC分类号： H04L29/06
摘要： 本发明提供一种具有双反馈双隔离的物理信道无耦合电网内外网隔离方法，涉及电力信息通讯技术领域。该方法包括：电网内部网络信息数据的提取分析；电网内部网络对提取到的信息数据进行加密并生成对应的图形信息码；独立计算机对电网内部网络留存的图形信息码进行采集、识别和奇偶校验；电网外部网络对独立计算机校验正确的图形信息码进行采集、识别和判断解析；电网网外部网络留存最终正确的图形信息码并将其作为电网网外部网络的公共数据。本方法具有双反馈、双隔离且图形信息码数据容量大的特征，能够实现内外网数据信息的无耦合、高效率的传输，确保内网信息的安全性。
-
公开(公告)号：CN110298574B
公开(公告)日：2023-06-13
申请号：CN201910539995.1
申请日：2019-06-21
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
IPC分类号： G06Q10/0635 , G06Q30/0201 , G06Q30/0601 , G06Q50/06 , G06N3/006 , G06N3/0464 , G06N3/08
摘要： 本发明的一种基于卷积神经网络的用电用户缴费风险评级方法，包括如下步骤：选取用户的多种电网数据构成用户评级影响因素向量，由多个用户所对应的多组评级影响因素向量构成待评估用户矩阵，将待评估用户矩阵的集合划分为训练集和测试集；设定用户评级规则，划分用户风险等级；建立卷积神经网络模型，将训练集输入到卷积神经网络模型，对卷积神经网络模型进行训练；将测试集输入到训练好的卷积神经网络模型进行评级，获得对测试集中每个用户的初步评级结果；采用粒子群算法对测试集进行聚类，以对初步评级结果验证，若粒子群算法求解的评级结果和卷积神经网络模型获得初步评级结果相同，则将初步评级结果作为最终评级结果输出。
-
公开(公告)号：CN110298573B
公开(公告)日：2023-04-07
申请号：CN201910537955.3
申请日：2019-06-20
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
IPC分类号： G06Q10/0635 , G06Q10/0639 , G06Q30/0201 , G06Q50/06
摘要： 本发明的基于多属性群决策的用户异常用电及欠费风险评估方法，首先确定最优先级指标，再建立次优先级指标体系，采用熵权法确定指标权重，灰色关联度与极大熵准则确定专家权重，指标权重与专家权重结合再与最优先级指标权重结合得到综合权重，最后采用模糊综合评价模型进行评估，并对评估进行最大隶属度排序，给出用户的评估结果。本发明对用户的异常用电和欠费风险进行评估，使供电企业对高风险客户及早关注，可以减少发生经济损失的可能性。
-
公开(公告)号：CN110309746A
公开(公告)日：2019-10-08
申请号：CN201910542921.3
申请日：2019-06-21
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
摘要： 本发明公开一种无通信互联的高等级信息安全区表格数据信息提取方法，包括以下步骤：1)将目标表格从图片中提取出后，对图片映射校正；2)定位表格线的位置坐标，根据坐标间的区域提取目标单元格；3)将目标单元格内的文字依投影法分割成单个字符图片后，接入OCR模块中识别图片；4)将识别后的数据从建成表格显示出来。本发明增加了表格的识别率，能够在一定外部扰动的情况下，将表格中的单元格提取出来并分割，扩展了表格信息提取的适用范围，将受限的内网数据安全实时的导入外网中。
-
公开(公告)号：CN110298573A
公开(公告)日：2019-10-01
申请号：CN201910537955.3
申请日：2019-06-20
申请人： 国网辽宁省电力有限公司鞍山供电公司 , 东北大学 , 国家电网有限公司
摘要： 本发明的基于多属性群决策的用户异常用电及欠费风险评估方法，首先确定最优先级指标，再建立次优先级指标体系，采用熵权法确定指标权重，灰色关联度与极大熵准则确定专家权重，指标权重与专家权重结合再与最优先级指标权重结合得到综合权重，最后采用模糊综合评价模型进行评估，并对评估进行最大隶属度排序，给出用户的评估结果。本发明对用户的异常用电和欠费风险进行评估，使供电企业对高风险客户及早关注，可以减少发生经济损失的可能性。
-
公开(公告)号：CN111860982B
公开(公告)日：2024-08-06
申请号：CN202010639045.9
申请日：2020-07-06
申请人： 东北大学
IPC分类号： G06Q10/04 , G06F30/20 , G06F30/27 , G06Q50/06 , G06F18/23213 , H02J3/00 , G06F113/06
摘要： 本发明公开一种基于VMD‑FCM‑GRU的风电场短期风电功率预测方法，属于风电功率预测技术领域。该方法首先基于VMD归一化的复杂的风电功率时间序列，得到一系列有限平稳子序列分量，并使用FCM算法对子序列分量进行聚类，将波动趋势相似的子序列进行聚类，各类进行叠加从而减少训练的时间。再用聚类后的序列分别训练门控循环单元GRU神经网络进行预测，把各子序列的预测结果进行叠加和反归一化，得到最终的预测结果。本发明结合GRU强大的计算效率，VMD‑FCM‑GRU的组合模型能够实现较好的预测精度和较短的训练时间，且能显著提高短期风电功率预测的精度和速度。
-
-
-
-
-
-
-
-
-
搜索结果
127 条记录 (耗时 0.076 秒)
