一种基于电转气互联式区域综合能源系统协同优化方法

    公开(公告)号:CN110912201A

    公开(公告)日:2020-03-24

    申请号:CN201911029642.3

    申请日:2019-10-28

    摘要: 本发明公开了一种基于电转气互联式区域综合能源系统协同优化方法,包括以下步骤,选择N户家庭组成区域;在区域内建立电转气模型;计算以N户家庭组成的HVAC,通过计算N户家庭的HVAC能够最大化的利用电能和气能,实现能源的充分利用,避免了能源的浪费;通过能源耦合体对电能和气能进行利用;建立区域IES的通用建模,通过IES的通用建模对电能和气能进行合理的输送;本发明通过建立电转气模型,通过P2G技术消耗电能将水转化为氢气或天然气,通过计算N户家庭的HVAC能够最大化的利用电能和气能,实现能源的充分利用,避免了能源的浪费,通过IES的通用建模对电能和气能进行合理的输送。

    垂线仪排水装置
    3.
    发明授权

    公开(公告)号:CN108458700B

    公开(公告)日:2024-03-29

    申请号:CN201810486201.5

    申请日:2018-05-21

    IPC分类号: G01C15/00

    摘要: 本发明公开了一种垂线仪排水装置,涉及垂线仪外围辅助工具领域,针对现有的防水防尘罩容易溅射影响检测结果,以及固定装置容易氧化腐蚀,影响使用寿命的技术问题,采用包括本体,所述本体为正四棱锥结构,棱锥定点到底面贯通开设有用于穿设垂线的垂线孔,本体的三角形下部固定设置有引流块,所述引流块为圆弧结构,该圆弧的圆心位于本体底面方向且圆弧结构的两个端点距离小于本体的边长。采用正四棱锥结构的本体以及在本体的三角形下部固定设置有引流块,能够将水流沿着引流块圆弧门引导到本体的四个底角处,从而便于集中处理,解决了现有技术中容易滴水溅射影响检测的问题。

    一种大型可拆分式水斗转轮
    4.
    发明公开

    公开(公告)号:CN113586310A

    公开(公告)日:2021-11-02

    申请号:CN202110793692.X

    申请日:2021-07-13

    IPC分类号: F03B1/02 F03B11/00

    摘要: 本发明公开了一种大型可拆分式水斗转轮,涉及到水斗转轮技术领域,包括转轴,所述转轴上安装有轮毂,所述轮毂的圆周侧壁上安装有多个的水斗块,所述水斗块由水斗和单元半环块组成,所述水斗块的单元半环块外壁之间相互贴合并形成一个环形水斗组,所述水斗块上的单元半环块与所述轮毂之间固定连接有防松螺栓,所述水斗块的单元半环块侧壁上开设有螺纹半槽,相邻两个所述单元半环块外壁上的的螺纹半槽形成一个整体的螺纹圆槽。本发明在使用过程中,当一个水斗块的水斗出现磨损严重后需要修复时,停机后可以将磨损的水斗块的单元半环块拆除,换上全新的水斗块,相比于整体式的转轮修复过程,可以大大简化修复过程。

    一种配电变压器健康评估方法

    公开(公告)号:CN110888002A

    公开(公告)日:2020-03-17

    申请号:CN201910962623.X

    申请日:2019-10-11

    IPC分类号: G01R31/00

    摘要: 本发明公开了配电网运维技术领域的一种配电变压器健康评估方法,包括如下步骤:设计温度获取系统;温度数据分析和综合评估,通过定时器接通低速电机电源,定期通过温度传感器在变压器前侧转动进行温度测量,再通过无线传送单元和远程服务器进行数据传输和处理,利用显示装置显示温度,分析温度变化趋势,判断变压器有无过载,该方案自动化程度高,减少人为操作,安全可靠,具有市场推广价值。

    一种基于机器学习与神经网络的变压器油色谱数据清洗的方法

    公开(公告)号:CN114490596B

    公开(公告)日:2024-05-10

    申请号:CN202111494215.X

    申请日:2021-12-08

    摘要: 本发明公开了一种变压器油色谱数据清洗的方法,通过神经网络机器学习的方法,对变压器油色谱在线数据进行清洗,包括以下步骤:S1.获取历史变压器油色谱在线监测数据和变压器油色谱离线监测数据,对其进行整合及预处理。S2.将预处理完成的数据进一步处理为训练集合。S3.提取出训练集合中的气体浓度数据输入LSTM神经网络进行训练,让神经网络找到能使在线监测数据转变为贴近离线监测数据的模型。S4.将待清洗的变压器油色谱在线监测数据输入训练好的模型,得到清洗后的数据。本发明能够通过神经网络机器学习清洗变压器油色谱在线监测数据,实现保证方法快键方便的同时确保准确率保持在较高水平。

    一种基于机器学习与神经网络的变压器油色谱数据清洗的方法

    公开(公告)号:CN114490596A

    公开(公告)日:2022-05-13

    申请号:CN202111494215.X

    申请日:2021-12-08

    摘要: 本发明公开了一种变压器油色谱数据清洗的方法,通过神经网络机器学习的方法,对变压器油色谱在线数据进行清洗,包括以下步骤:S1.获取历史变压器油色谱在线监测数据和变压器油色谱离线监测数据,对其进行整合及预处理。S2.将预处理完成的数据进一步处理为训练集合。S3.提取出训练集合中的气体浓度数据输入LSTM神经网络进行训练,让神经网络找到能使在线监测数据转变为贴近离线监测数据的模型。S4.将待清洗的变压器油色谱在线监测数据输入训练好的模型,得到清洗后的数据。本发明能够通过神经网络机器学习清洗变压器油色谱在线监测数据,实现保证方法快键方便的同时确保准确率保持在较高水平。