-
公开(公告)号:CN117269552A
公开(公告)日:2023-12-22
申请号:CN202311198237.0
申请日:2023-09-15
申请人: 安徽理工大学 , 国网安徽省电力有限公司 , 国网安徽省电力有限公司合肥供电公司
摘要: 本发明公开了一种分布式负荷监测采样装置,包括壳体,还包括:连杆组件,用于拔插电器上的线缆,以及限位组件,用于对线缆进行紧固;所述限位组件,包括基杆、滑杆、夹杆以及夹板,所述基杆在壳体内侧与壳体铰接,所述基杆顶端的套筒中滑动连接有滑杆,所述基杆顶端套筒两侧铰接有夹杆,两个所述夹杆上分别铰接有夹板,所述基杆与连杆组件连接,所述与散热组件连接;本发明,可自动中断配电器的连通。
-
公开(公告)号:CN118296301A
公开(公告)日:2024-07-05
申请号:CN202410531028.1
申请日:2024-04-29
申请人: 国网安徽省电力有限公司阜阳供电公司 , 安徽理工大学
IPC分类号: G06F18/10 , G06F18/213 , G06F18/2113 , G06N3/006 , G06F17/14 , G06F17/16 , G06Q50/06 , H02J3/00 , G06N3/0499 , G06N3/08
摘要: 本发明涉及工业用电负荷技术领域,具体公开了一种工业大用户用电负荷特征筛选方法,包括S‑1:采集工业用电的大用户所使用的多种设备电力负荷参数,构建原始功率数据集,并对所述数据进行预处理,并划分数据集为训练集和测试集;S‑2:根据电力负荷参数的数据质量和电力负荷特征,对原始功率数据进行时频域特征提取;通过更全面的数据采集,大量提取时频域特征使我们能够从多个维度全面了解电力负荷的特性,这种全面性有助于更准确地描述复杂的负荷波动和模式;更好的预测性,多维度的时频域特征提供更强的预测性,使我们能够更准确地预测未来的负荷需求,有助于电力供应的调度和规划;更全面的数据记录,大量特征提取确保了更全面的数据记录。
-
公开(公告)号:CN116599036A
公开(公告)日:2023-08-15
申请号:CN202310443039.X
申请日:2023-04-21
申请人: 安徽理工大学
IPC分类号: H02J3/00 , G06F18/15 , G06F18/2113 , G06F18/213 , G06N3/0455 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
摘要: 本发明公开了一种基于TCN和Informer的两阶段非侵入式负荷分解方法,属于负荷监测技术领域,该方法包括:S1获取负荷有功功率及影响因素数据,并进行预处理;S2使用Spearman相关系数选取强关联影响因素,作为负荷分解的辅助特征信息;S3搭建并训练TCN‑Informer两阶段非侵入式负荷分解模型;S4负荷分解和模型评估。本发明利用TCN网络对除功率外其他影响因素进行高级特征提取,进而调整Informer解码器的输入,实现高精度非侵入式负荷分解。
-
公开(公告)号:CN118228976A
公开(公告)日:2024-06-21
申请号:CN202410261745.7
申请日:2024-03-07
申请人: 安徽理工大学
IPC分类号: G06Q10/0631 , G06Q30/0201 , G06Q50/06 , G06F17/11 , G06N3/006
摘要: 本发明公开了一种考虑阶梯型碳交易的虚拟电厂调度策略,包括:构建含风机、光伏、碳捕集电厂、P2G为内部结构的虚拟电厂;基于分时电价和阶梯型碳交易机制,建立以系统运行成本、新能源丢弃率二者效益为目标的多目标能效模型;基于能效模型构建目标函数:分别构建以运行成本最小化、新能源丢弃率最小化的目标函数;建立模型约束条件,模型需满足电力供需平衡约束和各设备的运行约束;根据线性加权法,将多目标问题归一化为单一问题;采用自适应混合星鸦优化算法建立虚拟电厂日前优化调度策略。本发明可解决现有的分析方法对综合能源系统经济性和低碳性考虑不足而使得综合能源利用效率不高的问题。
-
公开(公告)号:CN116738306A
公开(公告)日:2023-09-12
申请号:CN202310517970.8
申请日:2023-05-09
申请人: 安徽理工大学
IPC分类号: G06F18/241 , H02J3/00 , G06F18/211 , G06N3/006
摘要: 本发明公开了一种AASO联合KELM的电力负荷在线辨识方法,包括:采集不同类型电力负荷在一个连续采样周期内的电流、有功功率、无功功率和视在功率;分别提取电流、有功功率、无功功率和视在功率的时域特征、频域特征和熵特征;将提取到的时域特征、频域特征和熵特征合并,得到电力负荷的联合特征;基于自适应原子搜索算法(AASO)对电力负荷的联合特征进行特征筛选,得到电力负荷筛选特征;将筛选得到的特征作为核极限学习机(KELM)模型的输入,构建电力负荷辨识模型。本发明借助AASO实现了电力负荷特征的有效筛选,利用AASO进行KELM模型隐含层神经元数目的自整定解决了模型超参数选择的难题。
-
公开(公告)号:CN116484200A
公开(公告)日:2023-07-25
申请号:CN202310443026.2
申请日:2023-04-21
申请人: 安徽理工大学
IPC分类号: G06F18/2113 , G06F18/2131 , G06F18/2134 , G06F18/20
摘要: 本发明公开了一种基于CEEMDAN和FastICA的非侵入式负荷分解方法,属于负荷监测技术领域,该方法包括:S1采集总负荷和各类单负荷有功功率并预处理;S2构建完全自适应噪声集合经验模态分解(CEEMDAN)模型,对总负荷功率分解;S3基于Bayesian信息准则估计源数;S4利用最大信息系数(MIC)进行降维;S5利用FastICA盲源分离,实现负荷分解;S6对分解信号和源信号近似程度进行评估。本发明从信号盲源分离角度实现负荷分解,减少了繁琐的负荷信息特征提取,分解得到完整的负荷信息。同时,相对于深度学习,大大减少了模型训练时间。
-
公开(公告)号:CN118213986A
公开(公告)日:2024-06-18
申请号:CN202410317300.6
申请日:2024-03-20
申请人: 安徽理工大学
IPC分类号: H02J3/00 , G06F18/15 , G06F18/214 , G06F18/243 , G06F18/25 , G06Q50/06
摘要: 本发明涉及电力负荷预测领域,更具体的说是涉及一种基于经验小波分解和足球队训练优化算法的短期电力负荷预测方法,包括以下步骤:获取负荷数据;负荷分解;计算信号重要度并合并分量;对合并分量提取时域特征、频域特征、熵特征;将时域特征、频域特征、熵特征合并得到联合特征;构建预测模型。采用ICEEMDAN对负荷数据进行分解,通过DHFTTA算法对CatBoost模型的参数进行寻优,构建DHFTTA‑CatBoost模型对得到的联合特征进行预测,具有较好的预测性能并具有较好的鲁棒性,易于实现。
-
公开(公告)号:CN117494889A
公开(公告)日:2024-02-02
申请号:CN202311462333.1
申请日:2023-11-02
申请人: 安徽理工大学
摘要: 本发明涉及电力负荷预测领域,更具体的说是涉及一种短期电力负荷预测模型的建立方法,包括以下步骤:获取负荷数据;负荷分解;计算信号重要度并合并分量;对合并分量提取时域特征、频域特征、熵特征;将时域特征、频域特征、熵特征合并得到联合特征;构建预测模型。采用ICEEMDAN对负荷数据进行分解,通过OMA算法对XGBoost模型的参数进行寻优,构建OMA‑XGBoost模型对得到的联合特征进行预测,具有较好的预测性能并具有较好的鲁棒性,易于实现。
-
公开(公告)号:CN117258436A
公开(公告)日:2023-12-22
申请号:CN202311209757.7
申请日:2023-09-19
申请人: 安徽理工大学
摘要: 本发明属于矿用通风设备领域,公开一种煤矿开采通风粉尘过滤装置及其粉尘检测方法,包括第一过滤盘与第二过滤盘,所述第一过滤盘与所述第二过滤盘转动连接有抽风圆管,所述抽风圆管固定连接吸尘方管,所述吸尘方管上开设有吸尘槽口,所述吸尘槽口的两侧固定连接有毛刷,所述抽风圆管的中间侧壁上沿周向开设有若干个通风槽口,所述抽风圆管上位于所述通风槽口处转动连接有连接套头,所述连接套头的周侧固定连接有抽风方管,所述抽风方管的外侧末端固定连接有粉尘收集盒,所述粉尘收集盒的内侧设置有过滤板,所述粉尘收集盒的侧边固定连接有抽风机。能够对空气中的粉尘颗粒物进行过滤拦截,还能够对过滤盘表面附着的粉尘颗粒物进行清除收集。
-
公开(公告)号:CN116561569A
公开(公告)日:2023-08-08
申请号:CN202310319690.6
申请日:2023-03-29
申请人: 安徽理工大学
IPC分类号: G06F18/214 , G06F18/24 , G06Q10/04 , G06Q10/0639 , G06Q50/06 , G06F17/14
摘要: 本发明公开了一种基于EO特征选择结合AdaBoost算法的工业电力负荷辨识方法,包括采集工业用电场景中多种设备的电力负荷参数,构建原始功率数据集,对所述数据进行预处理,并根据一定比例规则的划分数据集为训练集和测试集;考虑到采集样本的质量和电力负荷的复杂性,对原始功率数据进行时频域特征提取;使用EO作为基于包装器的特征选择算法,通过DA筛选出最优特征子集;将筛选出的最优特征子集输入至AdaBoost模型进行训练,得到训练好的模型。使用测试集进行识别实验,并输出数据对应的类别和准确率。此方法有效提高了工业用电场景下电力负荷的识别准确率,解决了传统电力负荷识别模型复杂度高难以实际应用在工业现场的问题。
-
-
-
-
-
-
-
-
-