-
公开(公告)号：CN117435676A
公开(公告)日：2024-01-23
申请号：CN202310858448.6
申请日：2023-07-13
Applicant: 南京电力设计研究院有限公司
Inventor： 马斌 , 高海洋 , 郑馨怡 , 桂帆 , 王昱婷 , 徐琼璟 , 端凌立 , 张若微 , 张瑶 , 张汀荟 , 范庆华 , 陈庭记 , 杨莲 , 刘永生 , 朱海超 , 蔡可庆 , 王艳巧 , 陈雪薇
IPC: G06F16/28 , G06F16/2458 , G06F16/215 , G06F18/2323 , G06Q50/08
Abstract: 本发明公开了一种基于子序列挖掘与有向加权图聚类的建筑能源管理方法，该方法包括以下步骤：对负载数据进行预处理；将时间序列分段为子序列，并提取子序列特征得到符号数据；将符号数据建模为有向加权图，用图表示子序列；进行准完全连通子图聚类，得到聚类子图；基于聚类结果，计算建筑能耗的稳定性，并识别非典型能耗模式。本发明通过时间序列子序列挖掘提取有关负载消耗模式的重要内容，有助于构建能源管理系统；将住宅建筑负载数据上的子序列聚类表述为有向加权图上的图聚类问题，捕捉了子序列之间的时间依赖性和相似性。
-
公开(公告)号：CN114841401B
公开(公告)日：2025-01-03
申请号：CN202210300341.5
申请日：2022-03-24
Applicant: 南京电力设计研究院有限公司 , 南京苏逸实业有限公司
IPC: G06F17/18 , G06Q10/20 , G01M13/021
Abstract: 本发明公开了一种基于不同运行状态的风机齿轮箱故障率预测方法，其特征在于：包括以下步骤：步骤一：结合威布尔故障分布模型中的“浴盆曲线”，将运行状态s加入到威布尔故障分析模型中，与时间因素t一起考虑并构建新的故障分析模型λ(t，s)；将λ(t，s)表现为四种情况；确定四种情况下λ(t，s)表达式；对步骤二中四种情况进行组合分析，构建齿轮箱故障分析组合模型λ(t，s1，s2，s3，s4)。本发明通过在以往基于威布尔故障分布的有关风机齿轮箱故障率的预测考虑时间因素的基础上加上了齿轮箱运行状态这一新的条件因素，推导了考虑风机4种不同运行状态的组合下，预测风机齿轮箱在特定时间下特定数量设备发生故障的概率。
-
公开(公告)号：CN117419428A
公开(公告)日：2024-01-19
申请号：CN202311222102.3
申请日：2023-09-21
Applicant: 南京电力设计研究院有限公司
Inventor： 马斌 , 高海洋 , 郑馨怡 , 王昱婷 , 朱海超 , 王艳巧 , 蔡可庆 , 陈雪薇 , 徐琼璟 , 张瑶 , 张汀荟 , 端凌立 , 张若微 , 范庆华 , 陈庭记 , 杨莲 , 刘永生
Abstract: 本发明公开了基于深度强化学习的综合能源暖通空调控制方法，其特征在于，包括以下步骤：首先确定HVAC系统能够采取的控制动作空间；然后采集建筑HVAC系统的状态数据；接着构建控制序列，DRL算法更新HVAC控制动作；计算HVAC系统采取动作后的即时回报和最大累积回报；最后使用人工神经网络逼近Q值，选择最优控制动作。本发明通过将HVAC运行过程表达为马尔可夫决策过程，开发基于DRL的HVAC控制方法，同时最小化建筑能源成本和维持住户的舒适温度；为了获得更高的扩展性，进一步提出了启发式方法，用于复杂多区域系统的有效控制；有效降低了建筑能源成本。
-
公开(公告)号：CN116822906A
公开(公告)日：2023-09-29
申请号：CN202311033823.X
申请日：2023-08-16
Applicant: 南京电力设计研究院有限公司
Inventor： 高海洋 , 桂帆 , 马斌 , 徐琼璟 , 郑馨怡 , 端凌立 , 王昱婷 , 张若微 , 张瑶 , 张汀荟 , 范庆华 , 陈庭记 , 杨莲 , 刘永生 , 朱海超 , 蔡可庆 , 王艳巧 , 陈雪薇
IPC: G06Q10/0631 , G06Q50/08 , G06N3/0464 , G06N3/092
Abstract: 本发明公开了基于分层深度强化学习的建筑综合能源管理方法，包括以下步骤：输入智能用电设备的状态空间数据；分析智能用电设备的动作空间；计算调度智能用电设备的运行成本和偏离消费者偏好的成本；计算回报，确定智能用电设备的最优能耗调度；输入智能用电设备的最优调度及分布式能源的状态空间数据；分析分布式能源的动作空间；计算分布式能源的运行成本和偏离消费者偏好的成本；计算回报，确定分布式能源的最优能耗调度。本发明通过确定了在消费者偏好的舒适度和电器运行特性内最小化电费的最优策略，从代理获得电器的状态信息，增加了批评Q值的效率和收敛性的补充方法，神经网络输出均值、方差和Q值以找到最优行为。
-
公开(公告)号：CN116561638B
公开(公告)日：2024-05-31
申请号：CN202310591837.7
申请日：2023-05-24
Applicant: 南京电力设计研究院有限公司
IPC: G06F18/24 , G06F30/27 , G06F30/18 , G06F18/214 , G06N3/048 , G06F113/04
Abstract: 本发明公开基于神经网络学习及状态评估的保护压板不对应校验方法，该方法包括：采集变电站主要设备的关键断面的电压、电流实时信息；对实时信息进行预处理，获得正确的断面状态z；根据变电站网络拓扑结构及相关设备参数，求解目标函数最小值获得变电站全站一次设备的状态评估量；对实测数据进行不良数据检测及确定具体不良数据，剔除不良数据后重复上述步骤直至获得最终的状态评估值。本发明通过通过对大量数据的学习，自动提取其中的规律和特征，进而实现对未知数据的分类、识别等任务。本发明的实施提高了判断的准确性和效率，减少了漏判、误判的问题；可以实现自动化、智能化的判断和校核，大大减轻了工作量和人力成本。
-
Patent Agency Ranking
公开(公告)号：CN116561638A
公开(公告)日：2023-08-08
申请号：CN202310591837.7
申请日：2023-05-24
Applicant: 南京电力设计研究院有限公司
IPC: G06F18/24 , G06F30/27 , G06F30/18 , G06F18/214 , G06N3/048 , G06F113/04
Abstract: 本发明公开基于神经网络学习及状态评估的保护压板不对应校验方法，该方法包括：采集变电站主要设备的关键断面的电压、电流实时信息；对实时信息进行预处理，获得正确的断面状态z；根据变电站网络拓扑结构及相关设备参数，求解目标函数最小值获得变电站全站一次设备的状态评估量；对实测数据进行不良数据检测及确定具体不良数据，剔除不良数据后重复上述步骤直至获得最终的状态评估值。本发明通过通过对大量数据的学习，自动提取其中的规律和特征，进而实现对未知数据的分类、识别等任务。本发明的实施提高了判断的准确性和效率，减少了漏判、误判的问题；可以实现自动化、智能化的判断和校核，大大减轻了工作量和人力成本。
-
公开(公告)号：CN114841401A
公开(公告)日：2022-08-02
申请号：CN202210300341.5
申请日：2022-03-24
Applicant: 南京电力设计研究院有限公司 , 南京苏逸实业有限公司
IPC: G06Q10/04 , G06Q10/06 , G06Q50/06 , G01M13/021
Abstract: 本发明公开了一种基于不同运行状态的风机齿轮箱故障率预测方法，其特征在于：包括以下步骤：步骤一：结合威布尔故障分布模型中的“浴盆曲线”，将运行状态s加入到威布尔故障分析模型中，与时间因素t一起考虑并构建新的故障分析模型λ(t，s)；将λ(t，s)表现为四种情况；确定四种情况下λ(t，s)表达式；对步骤二中四种情况进行组合分析，构建齿轮箱故障分析组合模型λ(t，s1，s2，s3，s4)。本发明通过在以往基于威布尔故障分布的有关风机齿轮箱故障率的预测考虑时间因素的基础上加上了齿轮箱运行状态这一新的条件因素，推导了考虑风机4种不同运行状态的组合下，预测风机齿轮箱在特定时间下特定数量设备发生故障的概率。
-
公开(公告)号：CN115795276B
公开(公告)日：2024-04-26
申请号：CN202211464834.9
申请日：2022-11-22
Applicant: 南京电力设计研究院有限公司
IPC: G06F18/10 , G06F18/213 , G06N3/048 , G06N3/126 , G06N20/00 , G06Q50/06 , G06Q10/0639
Abstract: 本发明公开了一种基于小波分析与机器学习二次回路压板状态评估方法，包括以下步骤：步骤一：基于小波分析的二次回路压板状态特征量提取，即对具有背景噪声的压板状态数据进行分析，提取能够判别二次回路压板状态特征量；步骤二：基于机器学习的二次回路压板状态评估，即通过机器对二次回路压板状态特征量学习训练，建立基于二次回路压板历史数据的状态评估模型。本发明利用小波分析方法优化二次回路压板状态评估数据，得到兼顾可靠性和准确度的结果，同时避免了二次保护装置误动作、失灵误开入等系统风险；该方法在含大量数据噪声的情况下仍能取得良好的判别结果，降低了对硬件的要求，鲁棒性能良好。
-
公开(公告)号：CN115795276A
公开(公告)日：2023-03-14
申请号：CN202211464834.9
申请日：2022-11-22
Applicant: 南京电力设计研究院有限公司
IPC: G06F18/10 , G06F18/213 , G06N3/048 , G06N3/126 , G06N20/00 , G06Q50/06 , G06Q10/0639
Abstract: 本发明公开了一种基于小波分析与机器学习二次回路压板状态评估方法，包括以下步骤：步骤一：基于小波分析的二次回路压板状态特征量提取，即对具有背景噪声的压板状态数据进行分析，提取能够判别二次回路压板状态特征量；步骤二：基于机器学习的二次回路压板状态评估，即通过机器对二次回路压板状态特征量学习训练，建立基于二次回路压板历史数据的状态评估模型。本发明利用小波分析方法优化二次回路压板状态评估数据，得到兼顾可靠性和准确度的结果，同时避免了二次保护装置误动作、失灵误开入等系统风险；该方法在含大量数据噪声的情况下仍能取得良好的判别结果，降低了对硬件的要求，鲁棒性能良好。
-
公开(公告)号：CN115222104A
公开(公告)日：2022-10-21
申请号：CN202210727516.0
申请日：2022-06-24
Applicant: 南京电力设计研究院有限公司
Abstract: 本发明公开一种基于极限学习机的智能变电站二次设备状态评估方法，包括：二次设备故障特征信息聚类和二次设备故障状态评估；所述二次设备故障特征信息聚类对不同类型故障场景下的特征信息进行聚类，形成不同故障运行场景集合，为设备故障评估提供高精度的数据基础；所述二次设备故障状态评估通过极限学习机的训练规则，建立基于智能变电站历史数据的二次设备评估模型，以解决二次设备故障评估与定位的问题。本发明利用粒子群算法优化二次设备状态评估模型输出权重，得到兼顾可靠性和准确度的结果；该方法在信息可靠性不足的情况下仍能取得良好的判别结果，容错性能良好。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.045 seconds)
