用户群体碳排放动态画像模型构建方法、装置及设备

    公开(公告)号:CN115600840A

    公开(公告)日:2023-01-13

    申请号:CN202211566589.2

    申请日:2022-12-07

    Abstract: 本申请涉及一种用户群体碳排放动态画像模型构建方法、装置及设备。该方法包括:获取用户群体的能源基础信息,通过能源基础信息进行信息筛选确定能源特征信息,基于能源特征信息确定碳画像标签信息,并对碳画像标签信息进行分析,确定目标时间段内用户群体的碳排放动态画像模型。采用上述方法构建用户群体的碳排放动态画像模型,能够形象直观地描述目标时间段内用户群体的碳排放特征以及能源使用效率,以为用户群体的碳排放控排提供参考依据;另外,可以分析用户群体对能源产业和服务的多元化、差异化和个性化需求,得到准确性较高的用户群体的碳排放动态画像模型,进一步能够基于碳排放动态画像模型提高对用户群体的碳排放控排的效果。

    一种基于数据血缘分析的发电侧碳排放计量方法

    公开(公告)号:CN115310877A

    公开(公告)日:2022-11-08

    申请号:CN202211237762.4

    申请日:2022-10-11

    Abstract: 本申请涉及一种基于数据血缘分析的发电侧碳排放计量方法。方法包括:根据碳排放核算理论以及电网数据,构建碳排放确定模型;根据碳排放确定模型中的核算数据关系网络,至少一种数据血缘关系以及碳排放核算多源数据,得到多源数据溯源模型;构建网对网碳排放核算模型和点对网碳排放核算模型,根据多源数据溯源模型、网对网碳排放核算模型以及点对网碳排放核算模型,得到单位用电量碳排放确定模型;构建区域与发电碳排放关系恒等式,根据单位用电量碳排放确定模型以及发电碳排放关系恒等式,得到碳排放因子修正模型;基于碳排放因子修正模型对碳排放确定模型进行修正,得到目标碳排放计量模型。采用本方法能够提高碳排放总量的计算准确率和效率。

    基于电力大数据的电碳排放全过程监测方法和装置

    公开(公告)号:CN114757457B

    公开(公告)日:2022-10-11

    申请号:CN202210677597.8

    申请日:2022-06-16

    Abstract: 本申请涉及一种基于电力大数据的电碳排放全过程监测方法和装置。所述方法包括:获取电网的电力数据,电力数据包括不同地方区域电网的单位发电量标准燃料消耗量、发电量、外部输电量、输电侧碳排放因子、生产活动用电量、碳排放量数据和行业流动产值数据,根据单位发电量标准燃料消耗量和发电量,得到发电侧电力碳排放量,根据外部输电量、输电侧碳排放因子和发电侧电力碳排放量,得到输电侧电力碳排放量,根据发电侧电力碳排放量、生产活动用电量、碳排放量数据和行业流动产值数据,得到用电侧电力碳排放量,最终,基于发电侧、输电侧和用电侧的电力碳排放量,进行电力碳排放风险预警。采用本方法能够实现准确的电力碳排放风险预警。

    基于模仿学习的微电网控制策略推荐模型训练系统

    公开(公告)号:CN113872186A

    公开(公告)日:2021-12-31

    申请号:CN202111038224.8

    申请日:2021-09-06

    Abstract: 本发明提供一种基于模仿学习的微电网控制策略推荐模型训练系统,包括:数据获取单元,用于获取微电网实际运行的n个数据条;缺失值处理单元,对数据获取单元获取的每个数据条中的缺失值进行处理;异常值处理单元,用于对n个数据条中的特征做异常值处理;数据增殖单元,基于n个数据条的基本数据进行增殖;微电网控制策略推荐模型,其中存储有目标函数;模型训练单元,利用数据增殖单元增殖后的数据,对微电网控制策略推荐模型进行训练。本发明兼顾数据的数量和质量,形成了相对稳妥、精确的特征描述数据集,解决微电网运行控制场景下数据量庞大、数据质量差、不满足运行控制需求的问题,提高微电网运行控制的智能化运行控制和能量管理水平。

    一种混合驱动的微电网能量管理方法、系统及装置

    公开(公告)号:CN112491094A

    公开(公告)日:2021-03-12

    申请号:CN202011301037.X

    申请日:2020-11-19

    Abstract: 本发明公开一种混合驱动的微电网能量管理方法、系统及装置,所述混合驱动的微电网能量管理方法包括:获取历史运行数据和决策信息,得到样本数据;根据所述样本数据对门控循环单元GRU神经网络进行训练,得到运行‑决策映射模型;基于所述运行‑决策映射模型,根据日前24时段的运行数据,得到初始决策信息;根据微电网能量管理物理模型及日前24时段的运行数据,采用粒子群算法对所述初始决策信息进行迭代处理,得到最终决策结果。本发明结合模型驱动方法在因果关系处理中的优势和数据驱动方法计算效率的优势,有效提升了决策结果的准确性及高效性并提高了微电网优化运行的鲁棒性。

    一种基于深度学习的微电网全自动导航方法、系统与装置

    公开(公告)号:CN112134304A

    公开(公告)日:2020-12-25

    申请号:CN202011000664.X

    申请日:2020-09-22

    Abstract: 本发明涉及一种基于深度学习的微电网全自动导航方法、系统与装置。该方法包括:获取微电网系统日前24时段的系统净负荷;将系统净负荷输入微电网日前优化调度模型,输出微电网系统的日前优化调度策略;微电网日前优化调度模型为双层Bi‑LSTM神经网络模型;根据可控机组的最小技术出力、出力上限值、爬坡约束和运行时间约束,对微电网系统的日前优化调度策略的可控机组出力进行调整;根据储能充放电功率上限值、容量约束和调度周期内储能平衡约束,对储能充放电功率进行调整;根据微电网与大电网联络线交换功率上限值和系统功率平衡约束对微电网与大电网联络线交换功率进行调整。本发明可以提高微电网日前优化调度的准确度和效率。

Patent Agency Ranking